
«`html
Традиционные системы агентов на основе больших языковых моделей (LLM) сталкиваются с серьезными проблемами при использовании в реальных условиях. Они имеют ограниченную гибкость и адаптивность. Существующие LLM-агенты выбирают действия из заранее определенного набора, что работает в замкнутых средах, но неэффективно в сложных и динамичных условиях.
Статический подход ограничивает возможности агентов и требует значительных усилий со стороны человека для предсказания всех возможных действий. Это делает их неэффективными для решения новых задач или долгосрочных проблем.
Исследователи из Университета Мэриленда и Adobe представили DynaSaur — фреймворк для LLM-агентов, который позволяет динамически создавать и комбинировать действия в реальном времени. В отличие от традиционных систем, DynaSaur позволяет агентам генерировать, выполнять и уточнять новые функции Python, когда существующие функции оказываются недостаточными.
DynaSaur использует функции Python для представления действий. Каждое действие моделируется как фрагмент кода, который агент генерирует и выполняет в своей среде. Если существующие функции недостаточны, агент динамически создает новые и добавляет их в свою библиотеку.
DynaSaur показал отличные результаты на бенчмарке GAIA, достигая средней точности 38.21%. При комбинировании инструментов, разработанных человеком, с его сгенерированными действиями, DynaSaur продемонстрировал улучшение на 81.59%.
DynaSaur представляет собой значительное достижение в области систем LLM-агентов. Он позволяет агентам не просто следовать заранее определенным сценариям, но и активно создавать свои инструменты и возможности. Это открывает новые горизонты для разработки ИИ-агентов, которые могут самостоятельно развиваться и улучшаться.
Если вам нужны советы по внедрению ИИ, пишите нам в Telegram. Узнайте, как ИИ может изменить процесс продаж в вашей компании с решениями от saile.ru — будущее уже здесь!
«`
Оставьте заявку — мы свяжемся с вами и расскажем, как начать работу