AIxiv專欄是本站發布學術、技術內容的欄位。過去數年，本站AIxiv專欄接收通報了2,000多篇內容，涵蓋全球各大專院校與企業的頂尖實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或聯絡報道。投稿信箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com
本文主要作者來自智慧、浙江大學、波形北京航空航太大學。共同一作中，周王春澍是波形智能的共同創辦人和 CTO，歐翌昕是浙江大學碩士二年級，丁盛為北京航空航天大學四年級本科生。文章的通訊作者為周王春澍和薑昱辰，姜昱辰是波形智能的共同創辦人和 CEO。 隨著各類大模型 API 的迭代以及各類 AI Agent 框架的開源，基於大模型的智能體在學術界和工業界收穫了廣泛的關注、研究、和應用。 儘管基於大模型的智能體(AI Agent) 在很多場景都取得了不錯的效果，並且在一些場景下已經能夠實際落地應用，AI Agent 的研究和開發的進展仍然局限於“expert -centric”，或說“engineering-centric” 的範式中。也就是說，現在的 Agent 的創建和調校過程幾乎完全依賴人類專家 (演算法工程師) 的人力和經驗來設計智能體的 promtps, tools，和 workflow。這樣的過程費時費力，並且注定了無法使用海量資料對智能體的這些符號化元素進行學習和訓練。而大部分智能體依賴閉源的API 調用，無法對大模型基座本身進行優化，即使使用開源大模型，對模型基座本身的優化也在大部分AI 智能體的應用場景中受到資源、算力、穩定性等原因而無法實際進行。因此現在的智能體仍處於 「專家系統」 的發展階段。 眾所周知，神經網路成為機器學習 / 人工智慧的基礎範式的重要原因正是因為可以有效地使用海量資料進行訓練和優化，而不需要手工設計複雜的結構和學習演算法。因此，來自波形智能的研究人員認為，AI Agent 從以專家經驗為核心(expert-centric) 到以資料為核心(data-centric) 的轉變，將會是基於大模型的智能體的一個重要發展方向。 為了實現這個目標，來自波形智能的研究團隊借鑒連接主義訓練神經網路(connectionist learning) 的基本方式，即反向傳播和梯度下降，將AI Agent 和神經網路進行類比，使用文字和大模型建模損失函數、梯度、和優化器，模擬反向傳播和梯度下降演算法，實現對Agent 的端到端的符號化訓練演算法，建構了一套可以對AI 智能體進行端到端訓練的演算法框架，程式碼已經開源在GitHub。 
- 論文地址：https://arxiv.org/pdf/2406.18532
- 碼倉庫：https://githubcno/aiwaves說，團隊首先將基於大模型的智能體解構為三個主要元素，即prompts, tools, 和agent pipeline (workflow)。接著，框架中將一個Agent 系統看作是一個「符號化」 神經網絡，將Agent workflow 中的每一個node 看作是網絡中的一個layer，而將每個節點中的prompts 和tools 看作是這個layer 的weights，智能體的workflow/pipeline 則可視為網路的計算圖。這樣下來，智能體系統可以看作是一個權重從數字/ 張量空間變成離散符號空間(文字，代碼都是符號化的表示) 的神經網絡，而這種網絡的訓練自然也就可以參考傳統神經網路的最佳化方式，即反向傳播和梯度下降。
Rajah 1: Rajah 1: Rajah 1: Gambar rajah kerangka Pembelajaran Ejen Kepada
membolehkan perambatan belakang tradisional dan keturunan kecerunan untuk mengendalikan ruang berat simbolik, rangka kerja pembelajaran simbolik agen menggunakan teks dan model besar + perkataan segera Model pendekatan kehilangan, fungsi kehilangan, proses perambatan belakang, kecerunan, dan pengoptimum berasaskan kecerunan. Khususnya, semasa proses perambatan ke hadapan, rangka kerja menyimpan input, berat dan output setiap lapisan dalam graf pengiraan. Seterusnya, melalui kaedah model besar + perkataan gesaan, input, output dan perihalan tugas keseluruhan sampel semasa digabungkan dalam kata gesaan, dan kemudian model bahasa besar mengeluarkan penilaian dan ringkasan penyiapan tugas sampel semasa. Penilaian/ringkasan yang diperolehi dalam bentuk teks, sama seperti kehilangan dalam rangkaian saraf, digunakan untuk mengukur kualiti penyiapan tugasan Pasukan penyelidik memanggilnya "kehilangan bentuk teks", iaitu kehilangan berasaskan bahasa.
Selepas itu, penyelidikan menggunakan model bahasa yang besar dan direka bentuk dengan teliti kejuruteraan kata cepat untuk menjana "refleksi" pada nod terakhir dalam proses ejen. Refleksi termasuk cara output model harus berubah untuk memenuhi keperluan dengan lebih baik, dan cara perkataan serta panggilan alat yang cepat harus dioptimumkan untuk membuat output berubah ke arah sedemikian. Kandungan ini betul-betul sama dengan peranan kecerunan dalam pengoptimuman rangkaian saraf Kedua-duanya mengandungi maklumat tentang cara parameter harus dilaraskan untuk meminimumkan kehilangan keseluruhan model Oleh itu, pasukan penyelidik memanggil refleksi ini "kecerunan teks". , kecerunan berasaskan bahasa.
Perkara seterusnya yang perlu dilakukan ialah mendapatkan kecerunan setiap lapisan dari belakang ke hadapan, yang penting untuk pengoptimuman rangkaian saraf. Diilhamkan oleh perambatan belakang formula berasaskan peraturan rantai dalam rangkaian saraf, penyelidik di Waveform Intelligence mensimulasikan peraturan rantaian pengoptimuman rangkaian saraf tradisional dengan satu set gesaan yang direka dengan teliti melalui teks dan model besar. Khususnya, set gesaan ini membenarkan model besar berdasarkan maklumat kecerunan lapisan sebelumnya (iaitu refleksi pada tugas yang dilakukan oleh lapisan sebelumnya) dan input, output dan berat lapisan ini (input ini adalah selaras sepenuhnya dengan parameter dalam formula perambatan belakang Sepadan), keluarkan refleksi pada penggunaan segera/alatan nod semasa, iaitu, kecerunan berasaskan bahasa lapisan semasa. Skim perambatan balik berasaskan teks ini membolehkan penyelidikan ini mendapatkan kecerunan parameter setiap nod/lapisan dalam ejen yang mengandungi berbilang nod dan aliran kerja yang kompleks, supaya setiap gesaan dan alat boleh dioptimumkan secara langsung untuk keseluruhan ejen , dengan itu mencapai pengoptimuman bersama hujung ke hujung.
Akhir sekali, selepas memperoleh kecerunan berasaskan bahasa bagi setiap set parameter, rangka kerja menggunakan pengoptimum berdasarkan model besar, menggunakan gesaan yang direka dengan teliti, perkataan gesaan dan panggilan alat untuk setiap lapisan dan kecerunan berasaskan teks . Sebagai input, gesaan dan alat yang dioptimumkan adalah output untuk mengemas kini parameter ejen.
Selain itu, rangka kerja juga menyokong pengoptimuman struktur rangkaian, iaitu aliran kerja ejen. Secara khusus, rangka kerja menyatakan aliran kerja ejen dalam bahasa pengaturcaraan tertentu, supaya "graf pengiraan" rangkaian ejen juga diproses menjadi pemberat simbolik. Kemudian, melalui pengoptimum berasaskan model besar yang direka secara berasingan, aliran kerja ejen dikemas kini menggunakan aliran kerja ejen semasa dan kecerunan dalam bentuk teks setiap nod dalam aliran kerja sebagai input. Ini boleh dibandingkan dengan penyelidikan berkaitan carian struktur rangkaian automatik dalam latihan rangkaian saraf. ... 
Rajah 4 Keputusan eksperimen ejen tugasan peringkat Penyelidik Perisikan Bentuk Gelombang menilai algoritma pada satu siri penanda aras untuk model dan ejen besar, seperti yang ditunjukkan dalam Rajah 3 dan 4 Ia menunjukkan bahawa ejen simbolik pembelajaran telah meningkat dengan ketara pada pelbagai tugas berbanding dengan DSpy dan rangka kerja ejen tradisional tanpa keupayaan pembelajaran Dalam sesetengah tugas, ia juga boleh menggunakan GPT-3.5 untuk bersaing dengan rangka kerja ejen lain. Walau bagaimanapun, hanya menggunakan algoritma pengoptimuman automatik perkataan gesaan tempatan (AutoPE) berdasarkan model bahasa yang besar untuk perkataan gesaan dalam setiap nod dalam ejen tidak boleh mencapai hasil yang jelas. Di samping itu, seperti yang ditunjukkan dalam Rajah 5, dalam tugasan penulisan kreatif, algoritma telah berkembang secara bebas daripada agen nod tunggal awal yang hanya menulis berdasarkan satu perkataan gesaan kepada aliran kerja yang menyokong penulisan + penyuntingan, dan perkataan gesaan bagi menulis nod Dikemas kini dan dioptimumkan. S Rajah 5 Rangka Kerja Pembelajaran Simbolik Agen Kesan Kesan Pembelajaran (ambil tugasan penulisan kreatif sebagai contoh)
Pasukan penyelidik kecerdasan bentuk gelombang memperkenalkan dua senario aplikasi Pembelajaran Simbolik Agen. Pertama, rangka kerja itu boleh digunakan oleh pembangun atau penyelidik untuk mencipta dan menala sistem ejen. Seperti latihan rangkaian saraf, pembangun dan penyelidik boleh mengumpul (atau menggunakan penjanaan automatik yang disediakan dalam rangka kerja) sejumlah besar sampel untuk tugasan tertentu, dan kemudian menggunakan rangka kerja untuk melengkapkan latihan ejen "berpusatkan data" secara besar-besaran. jumlah data selepas latihan dan pengoptimuman, sama seperti penggunaan ejen biasa, ejen yang dioptimumkan digunakan secara statik dalam persekitaran pengeluaran. Selain itu, satu lagi senario aplikasi penting rangka kerja ini adalah untuk menyokong Ejen yang boleh berkembang secara autonomi dalam persekitaran/interaksi. Khususnya, kerana rangka kerja latihan itu sendiri hanya perlu memanggil keupayaan model besar tanpa latihan dan penggunaan berasaskan GPU yang kompleks, Ejen boleh menggunakan rangka kerja latihan sebagai alat yang boleh dipanggil dengan meneroka persekitaran Atau dalam proses berinteraksi dengan manusia, ia secara berterusan mengumpul sampel latihan baharu, secara kerap atau aktif memanggil alatan algoritma untuk latihan ejen, dan mengemas kini gesaan, alatan dan aliran kerjanya sendiri. Waveform Intelligence juga menyokong logik penggunaan sedemikian dalam pangkalan kod sumber terbuka Ejen AIWaves, merealisasikan sistem ejen pertama yang boleh terus berkembang dan berulang secara bebas selepas digunakan pada produk dan persekitaran pengeluaran sebenar. Rangka kerja Pembelajaran Simbolik Ejen menganggap AI Ejen sebagai "rangkaian saraf" simbolik yang disambungkan oleh gesaan dan alatan dalam aliran kerja yang kompleks Dengan mensimulasikan perambatan balik dan turunan kecerunan berdasarkan bahasa semula jadi, ia membolehkan Ejen berasaskan model berskala besar. boleh mengoptimumkan "parameter rangkaian" sendiri secara bebas, iaitu gesaan dan alatan, dan "struktur rangkaian", iaitu aliran kerja ejen, dengan itu mencapai kecerdasan yang boleh menggunakan sejumlah besar data dan pengalaman dengan cekap serta menjalankan "pembelajaran berpusatkan data. " Rangka kerja ejen membolehkan sistem ejen pintar yang boleh terus berkembang secara autonomi. Pada masa ini, rangka kerja ini telah memainkan peranan dalam pelbagai produk dan aplikasi Waveform Intelligence, menyelesaikan masalah pengoptimuman manual yang sukar dan penilaian Ejen. Untuk mempromosikan pembangunan dan penyelidikan "Ejen Berpusatkan Data" dan "Pembelajaran Agen", pasukan penyelidik Waveform Intelligence juga telah membuka sumber semua kod algoritma Kami menantikan kalangan akademik dan industri di lapangan daripada ejen pintar meneroka algoritma dan aplikasi yang lebih menarik bersama-sama. 以上是可「自主進化」的Agent？首個端到端智能體符號化訓練框架開源了的詳細內容。更多資訊請關注PHP中文網其他相關文章！
