“`html

SELFGOAL: Решение для достижения высокоуровневых целей на базе искусственного интеллекта

Большие языковые модели (LLM) позволяют создавать автономные языковые агенты, способные решать сложные задачи в динамических средах без специальной обученности. Однако такие агенты часто сталкиваются с вызовами при выполнении широких высокоуровневых целей из-за их неоднозначной природы и отсроченных вознаграждений. Текущие подходы сосредотачиваются на двух типах вспомогательного руководства: декомпозиции предыдущей задачи и резюмировании опыта пост-фактум. Однако у этих методов есть ограничения, такие как отсутствие эмпирической основы или сложности в эффективном приоритезации стратегий. Основной вызов заключается в том, чтобы автономные языковые агенты достигали высокоуровневых целей без обучения, преодолевая эти ограничения на постоянной основе.

Практические решения и ценность

Исследователи из Университета Фудан и Института Allen для искусственного интеллекта предлагают SELFGOAL – самоадаптивную платформу для языковых агентов, которая использует как предварительные знания, так и обратную связь от окружающей среды для достижения высокоуровневых целей. Основная идея заключается в построении дерева текстовых подцелей, где агенты выбирают подходящие в качестве руководства на основе текущей ситуации. SELFGOAL включает два основных модуля для работы с GOALTREE: модуль поиска, выбирающий наиболее подходящие узлы целей, и модуль декомпозиции, который разбивает узлы целей на более конкретные подцели. Модуль действий использует выбранные подцели в качестве руководства для LLM для выполнения действий. Такой подход обеспечивает точное руководство для высокоуровневых целей и адаптируется к различным окружениям, значительно улучшая производительность языковых агентов как в совместных, так и в конкурентных сценариях.

“`