大型语言模型联盟提升AI智能体的鲁棒性
计算与语言
2024-08-05 v1
摘要
大型语言模型（LLM）的出现从根本上改变了我们与数字系统交互的方式，并推动了以LLM为驱动的AI智能体在日常工作流程中的应用。LLM虽然强大且展现出某些涌现特性，但并非逻辑推理器，在AI智能体规划和执行工作流的所有子任务上往往表现不佳。现有研究通过大规模通用预训练或针对工具使用的专门微调来弥补这一不足，而我们评估了由在各自子任务上表现出专门性能的预训练LLM组成的联盟系统，是否能达到单模型智能体的性能。模型联盟方法展示了通过利用特定模型的特性来构建鲁棒性并降低AI智能体运营成本的潜力。我们的结果表明，通过考虑预训练模型的联盟可以弥补微调的不足，并且该方法可应用于其他利用LLM的非智能体系统。
引用
@article{arxiv.2408.01380,
title = {Coalitions of Large Language Models Increase the Robustness of AI Agents},
author = {Prattyush Mangal and Carol Mak and Theo Kanakis and Timothy Donovan and Dave Braines and Edward Pyzer-Knapp},
journal= {arXiv preprint arXiv:2408.01380},
year = {2024}
}