


Kuaishou hat das Agentensystem, die Modelle und die Daten als Open Source bereitgestellt!
Können Modelle der Größe 7B auch mit KI-Agenten spielen? Kürzlich hat Kuaishou Open Source „KwaiAgents“ zum Thema Skifahren am Wochenende bereitgestellt. Es wird Ihnen nicht nur dabei helfen, einen Veranstaltungsort zu finden, sondern auch das Wetter für diesen Tag zu berücksichtigen.
Wie wir alle wissen, beherrschen große Sprachmodelle (LLM) eine große Menge an Wissen durch die Modellierung von Sprache und verfügen über bestimmte kognitive Fähigkeiten und Argumentationsfähigkeiten. Allerdings erzeugt derzeit selbst das leistungsstärkste GPT-4 bei alleiniger Verwendung falsche Inhalte und kann nicht in Echtzeit mit der Welt interagieren. KI-Agenten sind eine Möglichkeit, dieses Problem zu lösen. Durch die Stimulierung der Fähigkeit großer Modelle, Aufgaben zu planen, zu reflektieren und Tools aufzurufen, können große Modelle reale Tools verwenden, um die Genauigkeit generierter Inhalte zu verbessern und sogar komplexe Probleme zu lösen Probleme. Diesmal ermöglichen die von Kuaishou und dem Harbin Institute of Technology gemeinsam entwickelten „KwaiAgents“ dem „kleinen“ großen Modell von 7B/13B, die Wirkung von GPT-3.5 zu übertreffen, und diese Systeme, Modelle, Daten und Auswertungen sind alle Open Source!
- Technischer Bericht: https://arxiv.org/abs/2312.04889
- Projekthomepage: https://github.com/ KwaiK EG/KwaiAgents
Folgende Inhalte finden Sie auf der Github-Homepage von „KwaiAgents“:
- System (KAgentSys-Lite): ein leichtes KI-Agentensystem, das mit sachlichen und zeitgemäßen Toolsets ausgestattet ist;
- Modell (KAgentLMs): Nach dem Meta-Agent-Tuning eine Reihe großer Modelle mit gemeinsamen Fähigkeiten von Agenten und ihren Trainingsdaten .
System
Zu den Hauptkomponenten des KAgentSys-Systems gehören ein kognitiver Kern, ein Speichermechanismus und eine Werkzeugbibliothek, die auf großen Modellen basiert, um eine iterative Automatisierung zu erreichen.
Speichermechanismus: einschließlich The Drei Arten von Speicher, Wissensdatenbank, Dialog und Aufgabenverlauf, basieren auf dem Abrufrahmen von Hybrid-Vektorabruf, Schlüsselwortabruf und anderen Technologien, um die erforderlichen Informationen in jedem geplanten Pfad abzurufen.
- Toolset: Enthält ein faktenerweitertes Toolset, das Wissen aus mehreren Quellen wie Webseiten, Textenzyklopädien und Videoenzyklopädien zusammenführen kann, einschließlich Kalendern, Feiertagen, Zeitunterschieden, Wetter und anderen Gemeinsame Aktualität Erweitertes Toolset.
- Automatisierte Schleife: In einer Dialogrunde erhält der Benutzer eine Frage, eine optionale Wissensdatenbank und zusätzliche Zeichen zur Eingabe als Ganzes. Das System aktualisiert und ruft zunächst den Speicher ab und ruft dann das große Modell auf Wenn das Tool aufgerufen werden muss, wird es in die Zusammenfassungsphase eintreten. Das große Modell synthetisiert die erwarteten Informationen.
- Einige Funktionen von KAgentSys werden schrittweise aktualisiert und geöffnet. Dies ist der Inhalt dieses Open-Source-Modells Die vom Team vorgeschlagene Meta-Agent Tuning (MAT)-Methode verbessert die Vielseitigkeit großer Modelle in Bezug auf die Agentenfunktionen und verbessert den Effekt durch die Einführung weiterer Agenten-Eingabeaufforderungsvorlagen in die Trainingsdaten.
Meta-Agent Tuning (MAT) ist in zwei Phasen unterteilt:
- Template-Generierungsphase: Durch das Entwerfen von Meta-Agent wird für einen bestimmten Problemsatz eine instanziierte Agent-Prompt-Vorlage (das Bild rechts ist ein Beispiel) generiert und in derselben experimentellen Umgebung Kandidatenergebnisse generiert, die von der Vorlage erzeugt werden , und die hochzuverlässigen Ergebnisse, die von Open-Source-Vorlagen (wie ReAct, AutoGPT usw.) erzeugt werden, werden mithilfe des Bewertungsmodells verglichen und bewertet, um hochwertige Agent Prompt-Vorlagenbibliotheken herauszufiltern. Durch die Einführung dieser vielfältigen Vorlagen kann die Abhängigkeit von Vorlagen bei der Feinabstimmung des Modells deutlich reduziert werden und die Fähigkeiten wichtigerer Agenten bei der Aufgabenplanung, Werkzeugnutzung, Reflexion usw. können verfeinert werden, wodurch die Generalisierung und Effektivität des Modells verbessert wird .
- Instruktions-Feinabstimmungsphase: Basierend auf Zehntausenden von Vorlagen wurden mehr als 200.000 Feinabstimmungsdaten für Agent-Tuning-Anweisungen erstellt. Das Team hat einige beliebte Open-Source-Modelle wie Qwen-7B, Baichuan2-13B usw. für die Verwendung und Referenz für jedermann optimiert, und weitere beliebte Modelle werden in Zukunft veröffentlicht.
Evaluation
KAgentBench hat durch Tausende von manuell verfeinerten annotierten Daten eine sofort einsatzbereite Nutzung erreicht, sodass jeder mit einer Befehlszeile die verschiedenen Aspekte der Agentenfunktionen eines großen Modells bewerten kann verschiedene Vorlagen.
In KAgentBench führen wir, wie in der Abbildung oben gezeigt, eine Eingabekonstruktion für verschiedene Arten von Fähigkeiten durch. Zu jeder Abfrage gehören mehrere Vorlagen und mehrere echte, von Menschen bearbeitete Antworten. Der Zweck besteht darin, die Genauigkeit und Verallgemeinerung umfassend zu bewerten. Nach der MAT-Optimierung zeigt die folgende Tabelle die Verbesserung des 7B-13B-Modells in verschiedenen Funktionen und übertrifft die Wirkung von GPT-3.5 und zeitkritische Fragen werden mit Anmerkungen versehen, wie zum Beispiel „Wie alt ist Andy Lau dieses Jahr?“ Die Ergebnisse zeigen, dass das Modell nach dem KAgentSys-System und MAT seit einiger Zeit erheblich verbessert wurde (die Richtigkeit wird in Prozent ausgedrückt und die durchschnittliche Punktzahl auf einer 5-Punkte-Skala steht in Klammern). -Tail-Probleme und beliebte Probleme: Normalerweise sind die Ergebnisse, die ausschließlich auf Websuchen basieren, nicht ideal. Wenn Sie beispielsweise eine lange Frage wie „Wie viele Tage ist Antonella älter als Messi?“ stellen, werden in den Suchergebnissen normalerweise Gerüchte über sie angezeigt, ohne dass wichtige Informationen bereitgestellt werden. KAgentSys kann diese Frage genau beantworten, indem es das Enzyklopädie-Suchtool aufruft, um das genaue Geburtsdatum zu ermitteln, und dann das Zeitdifferenz-Tool verwendet, um den Altersunterschied zu berechnen. Das Team sagte, dass AI Agents ein sehr vielversprechender Weg sei. Auch in Zukunft werden wir Kerntechnologien weiter ausbauen und der gesamten Community kontinuierlich neue Vitalität verleihen. Gleichzeitig werden wir auch aktiv die Kombination von Agententechnologie und Kuaishou-Geschäft erkunden und versuchen, weitere interessante und wertvolle innovative Anwendungen zu implementieren
Das obige ist der detaillierte Inhalt vonKuaishou hat das Agentensystem, die Modelle und die Daten als Open Source bereitgestellt!. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

0.Was bewirkt dieser Artikel? Wir schlagen DepthFM vor: ein vielseitiges und schnelles generatives monokulares Tiefenschätzungsmodell auf dem neuesten Stand der Technik. Zusätzlich zu herkömmlichen Tiefenschätzungsaufgaben demonstriert DepthFM auch hochmoderne Fähigkeiten bei nachgelagerten Aufgaben wie dem Tiefen-Inpainting. DepthFM ist effizient und kann Tiefenkarten innerhalb weniger Inferenzschritte synthetisieren. Lassen Sie uns diese Arbeit gemeinsam lesen ~ 1. Titel der Papierinformationen: DepthFM: FastMonocularDepthEstimationwithFlowMatching Autor: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

Stellen Sie sich ein Modell der künstlichen Intelligenz vor, das nicht nur die Fähigkeit besitzt, die traditionelle Datenverarbeitung zu übertreffen, sondern auch eine effizientere Leistung zu geringeren Kosten erzielt. Dies ist keine Science-Fiction, DeepSeek-V2[1], das weltweit leistungsstärkste Open-Source-MoE-Modell, ist da. DeepSeek-V2 ist ein leistungsstarkes MoE-Sprachmodell (Mix of Experts) mit den Merkmalen eines wirtschaftlichen Trainings und einer effizienten Inferenz. Es besteht aus 236B Parametern, von denen 21B zur Aktivierung jedes Markers verwendet werden. Im Vergleich zu DeepSeek67B bietet DeepSeek-V2 eine stärkere Leistung, spart gleichzeitig 42,5 % der Trainingskosten, reduziert den KV-Cache um 93,3 % und erhöht den maximalen Generierungsdurchsatz auf das 5,76-fache. DeepSeek ist ein Unternehmen, das sich mit allgemeiner künstlicher Intelligenz beschäftigt

Anfang dieses Monats schlugen Forscher des MIT und anderer Institutionen eine vielversprechende Alternative zu MLP vor – KAN. KAN übertrifft MLP in Bezug auf Genauigkeit und Interpretierbarkeit. Und es kann MLP, das mit einer größeren Anzahl von Parametern ausgeführt wird, mit einer sehr kleinen Anzahl von Parametern übertreffen. Beispielsweise gaben die Autoren an, dass sie KAN nutzten, um die Ergebnisse von DeepMind mit einem kleineren Netzwerk und einem höheren Automatisierungsgrad zu reproduzieren. Konkret verfügt DeepMinds MLP über etwa 300.000 Parameter, während KAN nur etwa 200 Parameter hat. KAN hat eine starke mathematische Grundlage wie MLP und basiert auf dem universellen Approximationssatz, während KAN auf dem Kolmogorov-Arnold-Darstellungssatz basiert. Wie in der folgenden Abbildung gezeigt, hat KAN

Boston Dynamics Atlas tritt offiziell in die Ära der Elektroroboter ein! Gestern hat sich der hydraulische Atlas einfach „unter Tränen“ von der Bühne der Geschichte zurückgezogen. Heute gab Boston Dynamics bekannt, dass der elektrische Atlas im Einsatz ist. Es scheint, dass Boston Dynamics im Bereich kommerzieller humanoider Roboter entschlossen ist, mit Tesla zu konkurrieren. Nach der Veröffentlichung des neuen Videos wurde es innerhalb von nur zehn Stunden bereits von mehr als einer Million Menschen angesehen. Die alten Leute gehen und neue Rollen entstehen. Das ist eine historische Notwendigkeit. Es besteht kein Zweifel, dass dieses Jahr das explosive Jahr der humanoiden Roboter ist. Netizens kommentierten: Die Weiterentwicklung der Roboter hat dazu geführt, dass die diesjährige Eröffnungsfeier wie Menschen aussieht, und der Freiheitsgrad ist weitaus größer als der von Menschen. Aber ist das wirklich kein Horrorfilm? Zu Beginn des Videos liegt Atlas ruhig auf dem Boden, scheinbar auf dem Rücken. Was folgt, ist atemberaubend

KI verändert tatsächlich die Mathematik. Vor kurzem hat Tao Zhexuan, der diesem Thema große Aufmerksamkeit gewidmet hat, die neueste Ausgabe des „Bulletin of the American Mathematical Society“ (Bulletin der American Mathematical Society) weitergeleitet. Zum Thema „Werden Maschinen die Mathematik verändern?“ äußerten viele Mathematiker ihre Meinung. Der gesamte Prozess war voller Funken, knallhart und aufregend. Der Autor verfügt über eine starke Besetzung, darunter der Fields-Medaillengewinner Akshay Venkatesh, der chinesische Mathematiker Zheng Lejun, der NYU-Informatiker Ernest Davis und viele andere bekannte Wissenschaftler der Branche. Die Welt der KI hat sich dramatisch verändert. Viele dieser Artikel wurden vor einem Jahr eingereicht.

Ich weine zu Tode. Die Daten im Internet reichen überhaupt nicht aus. Das Trainingsmodell sieht aus wie „Die Tribute von Panem“, und KI-Forscher auf der ganzen Welt machen sich Gedanken darüber, wie sie diese datenhungrigen Esser ernähren sollen. Dieses Problem tritt insbesondere bei multimodalen Aufgaben auf. Zu einer Zeit, als sie ratlos waren, nutzte ein Start-up-Team der Abteilung der Renmin-Universität von China sein eigenes neues Modell, um als erstes in China einen „modellgenerierten Datenfeed selbst“ in die Realität umzusetzen. Darüber hinaus handelt es sich um einen zweigleisigen Ansatz auf der Verständnisseite und der Generierungsseite. Beide Seiten können hochwertige, multimodale neue Daten generieren und Datenrückmeldungen an das Modell selbst liefern. Was ist ein Modell? Awaker 1.0, ein großes multimodales Modell, das gerade im Zhongguancun-Forum erschienen ist. Wer ist das Team? Sophon-Motor. Gegründet von Gao Yizhao, einem Doktoranden an der Hillhouse School of Artificial Intelligence der Renmin University.

Was? Wird Zootopia durch heimische KI in die Realität umgesetzt? Zusammen mit dem Video wird ein neues groß angelegtes inländisches Videogenerationsmodell namens „Keling“ vorgestellt. Sora geht einen ähnlichen technischen Weg und kombiniert eine Reihe selbst entwickelter technologischer Innovationen, um Videos zu produzieren, die nicht nur große und vernünftige Bewegungen aufweisen, sondern auch die Eigenschaften der physischen Welt simulieren und über starke konzeptionelle Kombinationsfähigkeiten und Vorstellungskraft verfügen. Den Daten zufolge unterstützt Keling die Erstellung ultralanger Videos von bis zu 2 Minuten mit 30 Bildern pro Sekunde, mit Auflösungen von bis zu 1080p und unterstützt mehrere Seitenverhältnisse. Ein weiterer wichtiger Punkt ist, dass es sich bei Keling nicht um eine vom Labor veröffentlichte Demo oder Video-Ergebnisdemonstration handelt, sondern um eine Anwendung auf Produktebene, die von Kuaishou, einem führenden Anbieter im Bereich Kurzvideos, gestartet wurde. Darüber hinaus liegt das Hauptaugenmerk darauf, pragmatisch zu sein, keine Blankoschecks auszustellen und sofort nach der Veröffentlichung online zu gehen. Das große Modell von Ke Ling wurde bereits in Kuaiying veröffentlicht.

Kürzlich wurde die Militärwelt von der Nachricht überwältigt: US-Militärkampfflugzeuge können jetzt mithilfe von KI vollautomatische Luftkämpfe absolvieren. Ja, erst kürzlich wurde der KI-Kampfjet des US-Militärs zum ersten Mal der Öffentlichkeit zugänglich gemacht und sein Geheimnis gelüftet. Der vollständige Name dieses Jägers lautet „Variable Stability Simulator Test Aircraft“ (VISTA). Er wurde vom Minister der US-Luftwaffe persönlich geflogen, um einen Eins-gegen-eins-Luftkampf zu simulieren. Am 2. Mai startete US-Luftwaffenminister Frank Kendall mit einer X-62AVISTA auf der Edwards Air Force Base. Beachten Sie, dass während des einstündigen Fluges alle Flugaktionen autonom von der KI durchgeführt wurden! Kendall sagte: „In den letzten Jahrzehnten haben wir über das unbegrenzte Potenzial des autonomen Luft-Luft-Kampfes nachgedacht, aber es schien immer unerreichbar.“ Nun jedoch,
