BishengJDK Minicpm-o 不是，改为 TinyAgents — 轻量级多 Agent 实验框架

##

Agents 2.0：符号学习赋能自进化智能体

[🤖项目主页] [📄论文] [📝文档] [🌟概述] [🔧安装] [🚩引用]

 [](https://opensource.org/license/apache-2-0)   ---

🔔新闻

• [2024-06-25] 我们发布了 Agents 2.0 版本，这是对原库的重大更新，新增了对智能体学习与评估的支持。

🌟概述

Agent 符号学习是一个用于训练语言智能体的系统性框架，其灵感来源于训练神经网络所使用的连接主义学习过程。我们将语言智能体与神经网络进行类比：智能体的流水线（agent pipeline）对应神经网络的计算图，流水线中的节点对应神经网络中的网络层，而节点上的提示（prompts）和工具（tools）则对应网络层的权重。通过这种方式，我们能够在智能体训练的背景下，利用基于语言的损失、梯度和权重，实现连接主义学习的主要组件，即反向传播和基于梯度的权重更新。

我们通过精心设计的提示流水线，在智能体训练中实现了损失函数、反向传播和权重优化器。对于每个训练样本，我们的框架首先执行“前向传播”（即智能体执行过程），并将每个节点的输入、输出、提示和工具使用情况记录在一个“轨迹”中。接着，我们使用基于提示的损失函数评估结果，得到“语言损失”。然后，我们沿着轨迹从最后一个节点到第一个节点反向传播语言损失，产生对每个节点内符号组件的文本分析和反思，我们称之为语言梯度。最后，根据语言梯度，我们通过另一个精心设计的提示，更新每个节点内的所有符号组件，以及由节点及其连接构成的计算图。我们的方法还天然支持优化多智能体系统，只需将节点视为不同的智能体，或允许多个智能体在同一节点中执行动作。

工作流程示意

🔧安装

从 git 仓库分支安装：

pip install git+https://github.com/aiwaves-cn/agents@master

本地开发安装：

git clone -b master https://github.com/aiwaves-cn/agents
cd agents
pip install -e .

⭐ Star 历史

🚩引用

如果我们的仓库对您的研究有所帮助，请考虑引用：

@article{zhou2024agents2,
      title={Symbolic Learning Enables Self-Evolving Agents}, 
      author={Wangchunshu Zhou and Yixin Ou and Shengwei Ding and Long Li and Jialong Wu and Tiannan Wang and Jiamin Chen and Shuai Wang and Xiaohua Xu and Ningyu Zhang and Huajun Chen and Yuchen Eleanor Jiang},
      year={2024},
      eprint={2406.18532},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2406.18532}, 
}

@article{zhou2023agents,
      title={Agents: An Open-source Framework for Autonomous Language Agents}, 
      author={Wangchunshu Zhou and Yuchen Eleanor Jiang and Long Li and Jialong Wu and Tiannan Wang and Shi Qiu and Jintian Zhang and Jing Chen and Ruipu Wu and Shuai Wang and Shiding Zhu and Jiyu Chen and Wentao Zhang and Xiangru Tang and Ningyu Zhang and Huajun Chen and Peng Cui and Mrinmaya Sachan},
      year={2023},
      eprint={2309.07870},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2309.07870}, 
}