REVECA: 利用信息相关性和相对邻近性的合作语言智能体中的自适应规划与基于轨迹的验证
人工智能
2024-12-19 v2 计算与语言
计算机视觉与模式识别
多智能体系统
摘要
我们解决了多智能体合作的挑战，其中智能体通过在不完全观察下与分散的智能体合作来实现共同目标。现有的合作智能体系统通常难以高效处理不断累积的信息，由于缺乏对合作者的考虑而导致全局次优规划，以及处理由其他合作者引入的环境变化导致的错误规划。为了克服这些挑战，我们提出了REVECA（相关性、邻近性和验证增强的合作语言智能体），一种由GPT-4o-mini驱动的新型认知架构。REVECA通过利用相关性估计、自适应规划和基于轨迹的验证，实现了高效的内存管理、最优规划和成本有效的错误规划预防。大量实验结果表明，REVECA在各种基准测试中优于现有方法，而用户研究揭示了其在实现可信赖的人机合作方面的潜力。
引用
@article{arxiv.2405.16751,
title = {REVECA: Adaptive Planning and Trajectory-based Validation in Cooperative Language Agents using Information Relevance and Relative Proximity},
author = {SeungWon Seo and SeongRae Noh and Junhyeok Lee and SooBin Lim and Won Hee Lee and HyeongYeop Kang},
journal= {arXiv preprint arXiv:2405.16751},
year = {2024}
}
备注
v2 is the AAAI'25 camera-ready version, including the appendix, which has been enhanced based on the reviewers' comments