От нуля до героя Как AutoGen перестраивает LLM
От новичка до эксперта Как компания AutoGen преобразует LLM
Что такое AutoGen?
Autogen Microsoft – это проект от компании Microsoft, который позволяет вам создавать столько автономных агентов, сколько вам нужно, и объединять их в работе. Это фреймворк, который позволяет агентам, о которых будет рассказано позже, общаться друг с другом и решать задачи. Он гибкий и позволяет вносить изменения при использовании разных инструментов.
Агент является механизмом, который определяет, что делать дальше и действует на основе этого решения. Game AI также является типом агента, который наблюдает игровое поле и думает о следующем ходе перед совершением хода.
В области обучения с подкреплением (человеческая обратная связь) методы обучения поведению используются уже давно.
- Освоение сверхспособностей NLP пошаговое руководство по настройке Hugging Face Fine Tuning
- Управление безопасностью и управление рисками в корпоративной архитектуре.
- Расшифровка статистической значимости Руководство для маркетологов
Недавно, благодаря гибкости LLM, мы можем планировать следующий шаг без обучения, благодаря агентам, таким как AutoGPT и интерпретаторы кода.
Кроме того, агентский механизм, такой как Langchain, уже является Open Source.
Однако, хотя LLM Ageнt предоставляет политику действий через подсказки, выполнение очень сложных задач оказывается затруднительным из-за производительности LLM и ограничений информации, которую можно передать через подсказки.
Поэтому, при соединении нескольких агентов можно ожидать выполнения задач, более сложных, чем у одного агента.
Примеры таких механизмов с несколькими агентами включают механизмы, такие как Camel и ChatDEV.
Хотя такой механизм уже существует в Open Source-программном обеспечении, создание его с нуля оказалось сложным процессом.
Autogen Python, с другой стороны, является фреймворком, предназначенным для создания такой сложной системы многопользовательских разговоров. Он предлагает настраиваемых и общительных агентов, используя лучшие возможности передовых LLM, и я намерен попробовать его.
Давайте попробуем простую демонстрацию для проблемы FizzBuzz.
Создадим код, который решает самую простую задачу, выполним его, а затем пройдемся по шагам для реализации простого исправления.
