AutoGPT는 신뢰할 수 없습니다. Microsoft에서 업그레이드 버전을 출시합니다! 편집 가능한 자율 계획 프로세스

Xi Xiaoyao 기술 토크 원본
작성자 | iven

인기 있는 AutoGPT^[1]이 Github에서 100,000개를 초과했습니다. 이 자체 계획 및 자체 실행 에이전트는 최초로 인공 지능 모델 내에서 자체 조정 및 최적화에 중점을 둡니다.

그러나 많은 네티즌들은 AutoGPT의 성능이 불안정하고 무한 루프가 가장 흔한 현상이라는 것을 발견했습니다. 또한 AutoGPT의 실행 속도는 매우 느립니다. 네티즌의 테스트에 따르면 New Bing은 작업을 완료하는 데 8초가 걸리는 반면 AutoGPT는 8분이 걸렸습니다.

AutoGPT의 작동 방식으로 인해 단일 작업에 대해 API를 여러 번 호출해야 하며 단일 작업 비용이 100위안을 초과하는 것으로 계산됩니다! 분명히 그러한 비용은 개인적인 용도로 사용하기에는 비용이 많이 듭니다.

Microsoft Research의 최근 신작에서는 간단한 시각적 조작을 통해 드래그 앤 드롭을 통해 에이전트와 협업할 수 있는 Low-code LLM을 제안합니다.

이 모드에서는 먼저 GPT가 작업 흐름도를 생성할 수 있습니다. 이는 AutoGPT의 자체 계획 및 자체 실행 논리와 매우 유사하지만 차이점은 사용자가 전체 실행을 직관적이고 쉽게 이해하고 수정할 수 있다는 것입니다. 프로세스를 통해 인공지능의 작동을 효과적으로 제어할 수 있습니다.

비주얼 프로그래밍 개념을 채택하고 사용자가 간단한 클릭과 드래그만으로 프로세스를 조정할 수 있기 때문에 "로우 코드"라고 합니다. 복잡한 작업의 경우 사용자는 자신의 아이디어나 선호도에 따라 에이전트를 효과적으로 제어할 수 있습니다.

로우 코드 LLM은 한 번의 대화로 흐름도를 생성하며 API 호출 비용은 기본적으로 무시할 수 있습니다. 또한 이 일회성 흐름도 생성은 AutoGPT의 무한 루프 문제를 방지하여 서비스를 더 많이 만듭니다. 안정적인!

저자는 이 작품이 Microsoft TaskMatrix.ai^[2]의 Repo에 배치되어 별 30,000개가 넘는 것을 발견했습니다. 비주얼 채팅GPT^[3]도 같은 팀이에요. TaskMatrix.AI는 다양한 분야의 기초 모델과 수많은 API를 연결하여 작업 자동화를 구현하는 방법을 보여줍니다(Visual ChatGPT는 시각적 분야의 전형적인 예입니다). 새로 출시된 Low-code LLM은 사용자와 상호 작용하는 역할을 수행하여 사용자가 원하는 작업을 AI가 더 잘 이해할 수 있도록 도와줍니다.

논문 주소: https://www.php.cn/link/de9240f5c623bf031dcf0fca9770db44

논문 제목: "로우 코드 LLM: Visual 프로그래밍 over LLM."

오픈 소스 코드: https : //www.php.cn/link/141aa4fef48df97f954d60a373a3c322

workflow

1. planning llm은 복잡한 작업에 대한 구조화 된 흐름도를 생성합니다 목표에 대한 자기 계획 수립
2. 사용자는 정의된 로우 코드 시각적 작업(클릭, 드래그, 텍스트 편집 포함)을 통해 흐름도를 수정하고 자신의 선호도와 의견을 LLM에 전달합니다
3. 수정된 작업에 따라 LLM을 실행합니다. 프로세스는 명령을 실행하고 답변을 생성합니다
4. 사용자는 현재 답변을 참조하고 만족스러운 결과를 얻을 때까지 흐름도를 지속적으로 수정할 수 있습니다

미리 정의된 6가지 유형의 로우 코드 작업

장점 이 모드의 내용은 다음과 같습니다:

1. 더욱 제어 가능한 생성 결과: 사용자는 인공 지능의 실행 논리를 직접 이해하고 제어할 수 있으므로 결과를 더 쉽게 예측하고 제어할 수 있으며 사용자 요구에 더 부합합니다.
2. 사용자 친화적인 대화형 인터페이스: 사용자는 직관적으로 볼 수 있습니다. 실행 프로세스, 클릭 및 드래그 방법은 작업을 더욱 편리하게 만들고 작업 효율성을 향상시킵니다.
3. 광범위한 적용 시나리오: 이 방법은 기사에서 제안한 것처럼 특히 사용자의 아이디어와 선호도가 중요한 시나리오에 적용될 수 있습니다. 대표적인 경우는 4가지입니다.

또한 로우 코드 LLM을 외부 API로 확장하여 시나리오 애플리케이션을 더욱 풍부하게 만들 수도 있습니다. 예를 들어 사용자 아이디어와 선호도를 효율적으로 전달하고 사용자가 작업을 자동화하도록 돕습니다. 다른 도구와 연결 시 비전, 음성 등 다양한 기능을 통합할 수 있습니다.

AutoGPT와 Low-code LLM은 모두 인공 지능 모델의 성능과 효과를 향상시키기 위해 열심히 노력하고 있습니다. 전자는 모델 내 자체 최적화 및 학습에 중점을 두고 있으며, 후자는 사용자와 모델 간의 협업 및 상호 작용에 중점을 두고 있습니다. 이 두 가지 방법은 서로를 보완하고 다양한 시나리오와 작업에서 더 나은 성능을 달성할 수 있습니다.

논문 감사의 말 부분에서도 이 기사의 일부가 이러한 협력 모델을 통해 생성되었다고 언급했습니다. 앞으로는 사람과 대형 모델이 긴밀히 협력하여 창조하는 것이 더 이상 꿈이 아닌 것 같습니다.

위 내용은 AutoGPT는 신뢰할 수 없습니다. Microsoft에서 업그레이드 버전을 출시합니다! 편집 가능한 자율 계획 프로세스의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!