任務成功率可達97%

原標題：一次示范讓Agent適應各種新環境，浙大杭電智能體框架入選NeurIPS
文章來源：量子位
內容字數：5702字

研究背景

隨著大語言模型（LLM Agents）在各個領域中的廣泛應用，智能體在執行任務時的自主性和適應性受到關注。然而，現有的智能體往往過度依賴人類專家的知識，難以在新環境中學習和適應。

AutoManual框架的提出

為了解決這一問題，杭州電子科技大學和浙江大學的研究者提出了AutoManual框架。該框架通過模仿人類在新環境中“記筆記”的過程，使智能體能夠通過一次人類示范適應新環境，成功率可達97%。

框架結構

AutoManual框架包含三個主要階段：Building、Formulating和Testing。

1. Building階段：Planner Agent與Builder Agent合作，通過與環境互動構建規則。Builder Agent在此階段使用規則系統更新環境規則。
2. Formulating階段：Formulator Agent將規則整理成Markdown格式的指導手冊，增強規則的可讀性和理解性。
3. Testing階段：使用生成的手冊評估智能體的任務執行效果，確保其能有效指導較小模型。

實驗結果

研究團隊在ALFWorld和MiniWoB++等環境中進行實驗，結果表明，只需一個人類示范，AutoManual就能顯著提高智能體的成功率。在ALFWorld中，智能體成功率達97%，而在MiniWoB++中成功率達到98%。

總結與影響

AutoManual框架有效地減少了對人類專家知識的依賴，通過記錄和更新環境理解，幫助智能體更好地適應新環境。這種方法不僅提升了智能體的自主性，也為其他智能體提供了規劃指導，具有重要的應用前景。

聯系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破