


Ringkasan sistem autonomi berdasarkan GPT-4: AutoGPT, AgentGPT, BabyAGI, HuggingGPT, CAMEL
Kemunculan teknologi ChatGPT dan LLM telah menjadikan model bahasa paling maju ini menyapu dunia bukan sahaja pembangun AI, peminat dan beberapa organisasi juga sedang menyelidik dan meneroka kaedah inovatif untuk menyepadukan dan membina model ini. Pelbagai platform telah muncul untuk mengintegrasikan dan memudahkan pembangunan aplikasi baharu.
Kepopularan AutoGPT telah membolehkan kami melihat lebih banyak tugas dan ejen autonomi yang menggunakan API GPT-4. Perkembangan ini bukan sahaja meningkatkan keupayaan untuk mengendalikan tugas kompleks untuk menyepadukan sistem yang berbeza, tetapi juga menolak sempadan perkara yang boleh kita capai dengan kecerdasan buatan autonomi.
Di sini kami akan menyusun beberapa sistem alat sumber terbuka yang serupa dengan AutoGPT Alat dan aplikasi ini boleh dibahagikan secara kasar kepada antara muka baris arahan (CLI) dan penyelesaian berasaskan penyemak imbas.
Baris arahan: AutoGPT, BabyAGI
Pelayar: AgentGPT, CAMEL, Web LLM
AutoGPT
Walaupun Auto-GPT ialah percubaan terbuka aplikasi sumber, tetapi pertumbuhannya pesat. Program ini dikuasakan oleh GPT-4 dan boleh mencapai sebarang matlamat yang ditetapkan secara autonomi.
GitHub: https://github.com/Significant-Gravitas/Auto-GPT
Lihat kadar pertumbuhan Github Star terbarunya panas
AgentGPT
AgentGPT ialah penyelesaian berasaskan web. Ia membolehkan mengkonfigurasi dan menggunakan ejen AI autonomi dan membiarkan mereka mencapai sebarang matlamat. Ia akan cuba mencapai matlamat dengan memikirkan tugas yang perlu dilakukan, melaksanakan tugas, dan belajar daripada hasilnya.
Platform kini dalam versi beta dan ciri berikut sedang dibangunkan:
- Memori jangka panjang melalui vektor DB
- melalui LangChain (LangChain ialah platform untuk membina Perpustakaan untuk aplikasi model bahasa besar (LLM)) untuk penyemakan imbas web
- Interaksi dengan tapak web dan orang
- Pengguna dan pengesahan
GitHub: https: //github.com/reworkd/AgentGPT
Tapak web: https://agentgpt.reworkd.ai/
BabyAGI
BabyAGI Versi diperkemas bagi autonomi terdorong tugas ejen
Idea utamanya ialah mencipta tugasan berdasarkan hasil tugasan sebelumnya dan matlamat yang telah ditetapkan. Kemudian, skrip menggunakan fungsi model bahasa OpenAI untuk mencipta tugasan baharu berdasarkan matlamat, dan Pinecone untuk menyimpan dan mendapatkan hasil tugasan kontekstual Ini boleh dikatakan sebagai seni bina AI autonomi yang paling diperkemas Jika anda berminat ke arah ini, anda boleh lihat kodnya.
GitHub: https://github.com/yoheinakajima/babyagi
Tapak web: http://babyagi.org/
MemelukGPT
Microsoft HuggingGPT, aka JARVIS, terdiri daripada LLM sebagai pengawal dan beberapa model pakar sebagai pelaksana yang bekerjasama (dari HuggingFace Hub). Aliran kerjanya terdiri daripada empat peringkat:
- Perancangan tugas: Gunakan ChatGPT untuk menganalisis permintaan untuk memahami niat dan memecahkannya kepada tugasan yang mungkin boleh diselesaikan.
- Pemilihan model: Gunakan ChatGPT untuk memilih model pakar berdasarkan penerangan.
- Pelaksanaan tugas: Panggil dan laksanakan setiap model yang dipilih dan kembalikan hasilnya kepada ChatGPT.
- Penjanaan respons: Akhir sekali, gunakan ChatGPT untuk menyepadukan ramalan semua model dan menjana respons.
GitHub: https://github.com/microsoft/JARVIS
HF: https://huggingface.co/spaces/ microsoft/HuggingGPT
Web LLM
Web LLM ialah chatbot berasaskan LLM dan berasaskan LLM yang berjalan dalam penyemak imbas tanpa sokongan pelayan dan dipercepatkan oleh WebGPU. Dari segi teknikal, Web LLM bukanlah penyelesaian autonomi untuk kecerdasan buatan, tetapi chatbot web yang ringan.
GitHub: https://github.com/mlc-ai/web-llm
UNTA
UNTA ialah "Ejen Komunikatif untuk Penerokaan 'Minda' Bahasa Berskala Besar " Model", ia mencadangkan rangka kerja ejen baru, main peranan, sebagai alternatif kepada AutoGPT dan AgentGPT.
GitHub: https://github.com/lightaime/camel
Laman web: http://agents.camel-ai.org/
GPTRPG
Sistem ini menggabungkan permainan dengan model bahasa yang besar dan terutamanya terdiri daripada 2 bahagian
Persekitaran seperti RPG ringkas yang menyokong ejen AI llm
Membenamkan ejen AI ke dalam watak dalam persekitaran permainan melalui API OpenAI
Ini berdasarkan kertas artikel yang diterbitkan baru-baru ini, di mana berbilang ejen digunakan untuk mengambil bahagian secara autonomi dalam permainan dalam talian.
GitHub: https://github.com/dzoba/gptrpg
Arxiv: https://arxiv.org/abs/2304.03442
Ringkasan
Mengintegrasikan ChatGPT dan LLM ke dalam pelbagai aplikasi hanyalah sebahagian daripada potensi penggunaan model bahasa. Model ini direka bentuk untuk mengendalikan tugas bahasa semula jadi, termasuk penjanaan teks, terjemahan, ringkasan, menjawab soalan dan banyak lagi. Model bahasa masa depan akan menjadi lebih maju dan pintar, dapat membantu dalam pelbagai bidang aplikasi yang lebih luas.
Sebagai contoh, model bahasa masa hadapan boleh digunakan untuk terjemahan mesin yang lebih tepat, menjadikan komunikasi silang budaya antara manusia lebih mudah. Ia juga boleh digunakan untuk ringkasan automatik dan penjanaan kandungan untuk membantu pengarang dan saluran media mencipta dan menerbitkan kandungan dengan lebih cepat. Selain itu, model bahasa juga boleh digunakan dalam pengecaman pertuturan dan pemprosesan bahasa semula jadi supaya orang ramai boleh berinteraksi dengan komputer dengan lebih baik.
Ringkasnya, apabila teknologi model bahasa terus maju, kita boleh mengharapkan untuk melihat lebih banyak inovasi dan kemajuan. Model-model ini akan menjadi teknologi teras dalam bidang kecerdasan buatan, memberikan kami penyelesaian yang lebih baik dan rangkaian senario aplikasi yang lebih luas.
Atas ialah kandungan terperinci Ringkasan sistem autonomi berdasarkan GPT-4: AutoGPT, AgentGPT, BabyAGI, HuggingGPT, CAMEL. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



DALL-E 3 telah diperkenalkan secara rasmi pada September 2023 sebagai model yang jauh lebih baik daripada pendahulunya. Ia dianggap sebagai salah satu penjana imej AI terbaik setakat ini, mampu mencipta imej dengan perincian yang rumit. Walau bagaimanapun, semasa pelancaran, ia adalah tidak termasuk

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G

Dalam dunia pembangunan bahagian hadapan, VSCode telah menjadi alat pilihan untuk banyak pembangun dengan fungsi yang berkuasa dan ekosistem pemalam yang kaya. Dalam beberapa tahun kebelakangan ini, dengan perkembangan pesat teknologi kecerdasan buatan, pembantu kod AI pada VSCode telah muncul, meningkatkan kecekapan pengekodan pembangun. Pembantu kod AI pada VSCode telah muncul seperti cendawan selepas hujan, meningkatkan kecekapan pengekodan pembangun. Ia menggunakan teknologi kecerdasan buatan untuk menganalisis kod secara bijak dan menyediakan penyiapan kod yang tepat, pembetulan ralat automatik, semakan tatabahasa dan fungsi lain, yang mengurangkan kesilapan pembangun dan kerja manual yang membosankan semasa proses pengekodan. Hari ini, saya akan mengesyorkan 12 pembantu kod AI pembangunan bahagian hadapan VSCode untuk membantu anda dalam perjalanan pengaturcaraan anda.
