ACL 2024 | 基于自我规划的自动化问答智能体学习

文章预览

论文题目： AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning 本文作者： 乔硕斐（浙江大学）、张宁豫（浙江大学）、方润楠（浙江大学）、罗玉洁（浙江大学）、周王春澍（波形智能）、姜昱辰（波形智能）、吕承飞（阿里巴巴）、陈华钧（浙江大学） 发表会议： ACL 2024 论文链接： https://arxiv.org/abs/2401.05268 代码链接： https://github.com/zjunlp/AutoAct 欢迎转载，转载请注明 出处 一、引言 现如今的大模型智能体尽管已经取得了一定的成就，但仍然存在两大问题：一方面，训练开源模型需要大量的带注释的问答数据对，并且仍然依赖闭源模型来合成规划轨迹。然而，在许多现实场景中，如私人个人机器人或敏感的公司业务中，满足这些要求往往会面临困难。另一方面，从智能体框架的角度来看，基于微调的方法迫使一个单一的语言智能体学习所有 ………………………………