【LLM】AgentGym：具有自我演化能力的通用LLM agent

文章预览

一、结论写在前面 论文来自复旦自然语言处理实验室 & 复旦视觉与学习实验室 论文首次尝试构建具有自我演化能力的通用LLM基础agent。论文确定了三个关键要素：1）多样化的环境供agent探索学习；2）一套轨迹集赋予agent基本能力和先验知识；3）一种有效且可扩展的演化方法。 论文提出了AGENTGYM框架，一个包含多样化环境、任务和目标的交互平台，专为LLM基础agent设计。AGENTGYM通过HTTP服务提供便捷的API，标准化任务规范、环境设置以及agent的观测/动作空间。在此平台上，论文实现了一个统一的多轮交互和实时反馈接口，跨越不同环境，以支持在线评估、轨迹采样和交互训练。 具体而言，它包含14种agent环境、89种任务，涵盖网络任务、具身任务及更多，并具有高度灵活性以扩展至更多类型。同时，论文提出了一种新算法AGENTEVOL，用于探索基于大型语 ………………………………