EvoTeam विकासशील टीमों के माध्यम से बहु-एजेंट सहयोग की सुविधा प्रदान करता है।
EvoTeam LLM मल्टी-एजेंट टीमों को संगठन, नियमों और अनुभव से कौशल अद्यतन करके विकसित करता है, जटिल कार्यों पर सहयोग में सुधार करता है।
मुख्य जानकारी
- EvoTeam LLM आधारित मल्टी-एजेंट सिस्टम के लिए एक सहयोग केंद्रित विकास ढांचा है जो केवल व्यक्तिगत एजेंटों की बजाय टीम प्रदर्शन में सुधार करता है।
- यह संयुक्त रूप से टीम संगठन, बातचीत के नियमों और व्यक्तिगत एजेंट कौशल को विकसित करता है, लक्षित सहयोग सीखने के साथ पुनः प्रयोज्य टीमों को सक्षम बनाता है।
- EvoTeam टीम-विशिष्ट बातचीत के अनुभव को पुनः प्रयोज्य एजेंट कौशल से अलग करता है, जो साझा इंटरैक्शन पैटर्न को मजबूर किए बिना विषम कार्यों में सीखने के हस्तांतरण की मदद करता है।
- ढांचे का मूल्यांकन चार बेंचमार्क पर किया जाता है, और इसका कोड GitHub पर सार्वजनिक रूप से उपलब्ध है।
इस पेपर में LLM आधारित मल्टी-एजेंट सिस्टम के लिए एक सहयोग-केंद्रित विकास ढांचे EvoTeam का परिचय दिया गया है, और इसका कोड GitHub पर उपलब्ध कराया गया है। यह उन पाठकों के लिए उपयोगी है जो जटिल कार्यों को हल करने वाले विशेष एजेंटों के बीच सहयोग में सुधार करना चाहते हैं।
टीम स्तर पर विकास क्यों महत्वपूर्ण है
LLM आधारित मल्टी-एजेंट सिस्टम एक एजेंट के लिए बहुत व्यापक कार्यों को संभालने के लिए विशेष एजेंटों के बीच सहयोग पर भरोसा करते हैं। मौजूदा तरीकों ने संकेत, कौशल और निष्पादन रणनीतियों का परिष्कृत करके व्यक्तिगत एजेंट में सुधार किया है। लेकिन एक मजबूत एजेंट स्वचालित रूप से एक मजबूत टीम नहीं बनाता है।
हाल के काम ने विकास को सहयोग की ओर ले जाया है, टीम संगठन और Inter -एजेंट इंटरैक्शन को समायोजित करने के लिए सामूहिक निष्पादन अनुभव का उपयोग करना। यह बदलाव विषम कार्यों में अभी भी मुश्किल है। कई दृष्टिकोण एक साझा संरचना के भीतर टीम पुनर्गठन रखते हैं या असंगत टीम संदर्भों में बातचीत नियमों का पुनः उपयोग करते हैं, जो सीमित करता है कि कितनी अच्छी तरह से अनुभव हस्तांतरण होता है।
EvoTeam कैसे काम करता है
EvoTeam तीन भागों को एक साथ विकसित करके इसे संबोधित करता हैः टीम संगठन, इंटरैक्शन नियम और व्यक्तिगत एजेंट कौशल। यह पुनः प्रयोज्य टीमों की लाइब्रेरी रखता है। यह एजेन्ट टीम का चयन या बना सकता है और टीम-विशिष्ट बातचीत नियमों के माध्यम से सहयोग का मार्गदर्शन कर सकता है।
सहयोग का अनुभव संगत टीम संदर्भों के भीतर जमा होता है, जबकि व्यक्तिगत कौशल टीमों में पुनः प्रयोज्य बने रहते हैं। इस अलगाव का उद्देश्य सीखने को अधिक लक्षित बनाना हैः हर संदर्भ को एक ही बातचीत पैटर्न का पालन करने के लिए मजबूर किए बिना टीमें मिलकर काम करना बेहतर बनाती हैं।
परिणाम क्या दिखाते हैं
लेखक प्रभावकारिता का प्रदर्शन करने के लिए चार बेंचमार्क पर प्रयोगों की रिपोर्ट करते हैं। वे https://github.com/DEEP-JLU/EvoTeam में कोड भी उपलब्ध कराते हैं।
मेटा विवरणः EvoTeam चार बेंचमार्क में निष्पादन अनुभव से टीम संगठन, बातचीत के नियमों और एजेंट कौशल को संयुक्त रूप से अपडेट करके LLM मल्टी-एजेंट टीमों का विकास करता है।
टैगः LLM एजेंट, मल्टी-एजेंट सिस्टम, सहयोग
विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> लिंक्ड एजेंट नोड्स का अमूर्त, मैत्रीपूर्ण चित्रण जो विकासशील टीमों को बनाते हैं, जिसमें कोई पाठ या लोगो नहीं है।

Comments (0)