大型语言模型AI代理的任务规划和工具使用：TPTU
摘要：面对复杂的任务，需要结合任务规划和使用外部工具的情况，仅仅依赖LLM的生成能力可能不足够。因此，在本文中，我们首先提出了一个针对基于LLM的AI Agent设计的结构化框架，并讨论了解决复杂问题所需的关键能力。在这个框架内，我们设计了两种不同类型的Agent（即一步Agent和顺序Agent）来执行推理过程。随后，我们使用不同的LLM实例化了该框架，并评估了它们在典型任务上的任务规划和工具使用能力。通过强调关键发现和挑战，我们的目标是为研究人员和实践者提供一个有益的资源，以便在他们的AI应用中利用LLM的强大能力。我们的研究强调了这些模型的巨大潜力，同时也确定了需要更多研究和改进的方面。
作者：Jingqing Ruan, Yihong Chen, Bin Zhang, Zhiwei Xu, Tianpeng Bao, Guoqing Du, Shiwei Shi, Hangyu Mao, Xingyu Zeng, Rui Zhao
论文ID：2308.03427
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-08