層次化多智能體框架，有長期記憶模塊，可自我進化

原標(biāo)題：能跨App比價的手機AI助手，UIUC阿里開源可自我進化多能體框架，超越SOTA性能33.9%
文章來源：量子位
內(nèi)容字數(shù)：6050字

Mobile-Agent-E：一款自我進化的智能手機助手

1. **引言:** 現(xiàn)代人每天花費大量時間在手機上，人們需要一個更智能的助手來處理復(fù)雜任務(wù)。現(xiàn)有的手機助手功能有限，難以應(yīng)對多步驟、跨應(yīng)用的操作。UIUC和阿里通義實驗室聯(lián)合推出的Mobile-Agent-E框架，旨在解決這一問題，它能夠執(zhí)行復(fù)雜推理、多步規(guī)劃以及跨應(yīng)用操作，并具備自我進化能力。

2. 多層級多智能體架構(gòu)

2.1 **核心思想:** Mobile-Agent-E采用層次化的多智能體架構(gòu)，將高層規(guī)劃與低層動作執(zhí)行區(qū)分開來，提升了長期規(guī)劃和錯誤恢復(fù)能力。它由一個“經(jīng)理”和四個“助手”組成。

2.2 **智能體組成:**

• 管理者(Manager): 基于大型多模態(tài)模型(LMM)，負責(zé)高層規(guī)劃和錯誤處理。
• 感知者(Perceptor): 基于視覺的感知模塊，負責(zé)識別文本和圖標(biāo)信息。
• 操作員(Operator): 基于LMM，負責(zé)執(zhí)行具體操作，并參考長期記憶中的提示(Tips)。
• 動作反思者(Action Reflector): 基于LMM，驗證動作結(jié)果，并提供反饋。
• 記錄員(Notetaker): 記錄重要信息，例如商品價格等。

2.3 **工作流程:** 管理者制定計劃，操作員執(zhí)行，反思者驗證結(jié)果，記錄員記錄信息。錯誤發(fā)生時，操作員先嘗試解決，解決不了則上報給管理者。

3. 自我進化模塊

3.1 **核心機制:** Mobile-Agent-E引入了自我進化模塊，通過學(xué)習(xí)經(jīng)驗來提升效率。它定義了兩種知識類型：提示(Tips)和捷徑(Shortcuts)。

3.2 **Tips和Shortcuts:** Tips是關(guān)于有效交互的一般指導(dǎo)，類似情景記憶；Shortcuts是可復(fù)用的技能，類似程序性知識。它們存儲在長期記憶模塊中，并根據(jù)任務(wù)完成情況不斷更新。

3.3 **經(jīng)驗反思者:** 兩個經(jīng)驗反思者根據(jù)任務(wù)記錄和錯誤日志優(yōu)化Tips和Shortcuts。

3.4 **經(jīng)驗檢索代理:** 為了應(yīng)對長期記憶中信息過載的問題，引入了經(jīng)驗檢索代理，只提取與新任務(wù)相關(guān)的Tips和Shortcuts。

4. 全新基準(zhǔn)測試與實驗結(jié)果

4.1 **Mobile-Eval-E Benchmark:** 研究團隊設(shè)計了新的基準(zhǔn)測試數(shù)據(jù)集Mobile-Eval-E，它比現(xiàn)有數(shù)據(jù)集更復(fù)雜，包含更多步驟和跨應(yīng)用交互。

4.2 **滿意度得分(Satisfaction Score):** 采用新的評估指標(biāo)——滿意度得分，更符合人類偏好，考慮了關(guān)鍵步驟和探索。

4.3 **實驗結(jié)果:** Mobile-Agent-E在多個基礎(chǔ)模型上超越了現(xiàn)有SOTA，啟用自我進化模塊后性能進一步提升，滿意度得分提升了33.9%。

5. 結(jié)論

Mobile-Agent-E通過多層級多智能體架構(gòu)和自我進化模塊，實現(xiàn)了更強大的手機智能體。其在復(fù)雜任務(wù)上的出色表現(xiàn)，以及自我學(xué)習(xí)能力，為未來構(gòu)建更智能的手機助手提供了新的方向。

聯(lián)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(guān)注科技行業(yè)新突破