AI Agents 是當(dāng)下大模型領(lǐng)域備受關(guān)注的話題，用戶可以引入多個(gè)扮演不同角色的 LLM Agents 參與到實(shí)際的任務(wù)中，Agents 之間會(huì)進(jìn)行競(jìng)爭(zhēng)和協(xié)作等多種形式的動(dòng)態(tài)交互，進(jìn)而產(chǎn)生驚人的群體智能效果。本文介紹了來(lái)自 KAUST 研究團(tuán)隊(duì)的大模型心智交互 CAMEL 框架（“駱駝”），CAMEL 框架是最早基于 ChatGPT 的 autonomous agents 知名項(xiàng)目，目前已被頂級(jí)人工智能會(huì)議 NeurIPS 2023 錄用。

論文題目：

代碼鏈接：

“什么神奇的技巧讓我們變得智能？竅門(mén)就是沒(méi)有竅門(mén)。智慧的力量源于我們巨大的多樣性，而不是任何單一的、完美的原則。”

——人工智能先驅(qū) 馬文·明斯基（Marvin Minsky）[1]

目前來(lái)看，在機(jī)器通向高級(jí)智能的道路上，以 ChatGPT 為代表的大模型（LLMs）應(yīng)該是必須經(jīng)過(guò)的里程碑之一，它們以聊天對(duì)話的人機(jī)交互方式在多個(gè)領(lǐng)域的復(fù)雜任務(wù)解決方面取得了非常耀眼的成就。

• “CAMEL”（駱駝：大模型心智交互框架）- 發(fā)布于 2023.3.21
• “AutoGPT” - 發(fā)布于 2023.3.30
• “BabyGPT” - 發(fā)布于 2023.4.3
• “Westworld” simulation（斯坦福西部世界小鎮(zhèn)） — 發(fā)布于 2023.4.7

作為最早基于 ChatGPT 的 autonomous agents 知名項(xiàng)目，CAMEL 重點(diǎn)探索了一種稱為角色扮演（role-playing）的新型合作代理框架，該框架可以有效緩解智能體對(duì)話過(guò)程中出現(xiàn)的錯(cuò)誤現(xiàn)象，從而有效引導(dǎo)智能體完成各種復(fù)雜的任務(wù)，人類用戶只需要輸入一個(gè)初步的想法就可以啟動(dòng)整個(gè)過(guò)程。目前，CAMEL 已經(jīng)被國(guó)際人工智能頂級(jí)會(huì)議 NeurIPS 2023 錄用。

CAMEL框架

下圖展示了 CAMEL 中的 role-playing 框架，人類用戶需要首先制定一個(gè)想要實(shí)現(xiàn)的想法或目標(biāo)，例如：開(kāi)發(fā)一個(gè)用于股票市場(chǎng)的交易機(jī)器人。這項(xiàng)任務(wù)涉及的角色是 AI 助理智能體（使其扮演 Python 程序員角色）和 AI 用戶智能體（使其扮演股票交易員角色）。

作者首先為 CAMEL 設(shè)置了一個(gè)任務(wù)細(xì)化器（Task Specifier），該細(xì)化器會(huì)根據(jù)輸入的想法來(lái)制定一個(gè)較為詳細(xì)的實(shí)現(xiàn)步驟，隨后 AI 助理智能體（AI Assistant）和 AI 用戶智能體（AI User）通過(guò)聊天的方式來(lái)進(jìn)行協(xié)作通信，各自一步步完成指定的任務(wù)。

CAMEL使用示例

2.1 協(xié)作角色扮演（cooperate role-playing）

在 role-playing 框架中，AI 智能體都具有特定領(lǐng)域的專業(yè)知識(shí)，此時(shí)我們只需要指定一個(gè)原始想法的 Prompt，隨后兩個(gè)AI智能體就會(huì)圍繞著這一想法展開(kāi)工作，在上圖中，用戶智能體提出交易機(jī)器人需要有對(duì)股票評(píng)論的情緒分析功能，隨后助理智能體直接給出了安裝情緒分析和股票交易所需的 python 庫(kù)的腳本。

上圖展示了 CAMEL 通過(guò)使用 embodied agent 調(diào)用 HuggingFace 提供的 Stable Diffusion 工具鏈生成駱駝科圖像的樣例，在這一過(guò)程中，embodied agent 首先會(huì)推理出駱駝科所包含的所有動(dòng)物，隨后調(diào)用擴(kuò)散模型生成圖像并進(jìn)行保存。

2.3 critic在環(huán)（critic-in-the-loop）

為了增強(qiáng) role-playing 框架的可控性，作者團(tuán)隊(duì)還為 CAMEL 設(shè)計(jì)了一種 critic-in-the-loop，這種機(jī)制受到了蒙特卡洛樹(shù)搜索（MTCS）方法的啟發(fā)，它可以結(jié)合人類偏好實(shí)現(xiàn)樹(shù)搜索的決策邏輯來(lái)解決任務(wù)，CAMEL 可以設(shè)置一個(gè)中間評(píng)價(jià)智能體（critic）來(lái)根據(jù)用戶智能體和助理智能體出的各種觀點(diǎn)進(jìn)行決策來(lái)完成最終任務(wù)，整體流程如下圖所示。

考慮這樣一個(gè)場(chǎng)景，我們讓 CAMEL 主持一場(chǎng)很具體的科研項(xiàng)目討論會(huì)，而科研項(xiàng)目的主題“大型語(yǔ)言模型”，CAMEL 可以將用戶智能體的角色設(shè)置為一個(gè)博士后，將助理智能體的角色設(shè)置為博士生，而中間評(píng)價(jià)智能體的角色設(shè)置為教授。任務(wù)指示博士生來(lái)幫助博士后制定研究計(jì)劃，需要圍繞大模型的倫理展開(kāi)研究。

實(shí)驗(yàn)效果

作者首先從 AI Society 數(shù)據(jù)集開(kāi)始，讓模型了解人類的互動(dòng)常識(shí)和社會(huì)動(dòng)態(tài)，隨后 AI Code 和其他數(shù)據(jù)集的注入，模型獲得了編程邏輯和語(yǔ)法的知識(shí)，同時(shí)拓寬了模型對(duì)科學(xué)理論、經(jīng)驗(yàn)觀察和實(shí)驗(yàn)方法的理解。

為了進(jìn)一步評(píng)估 CAMEL 框架的代碼編寫(xiě)任務(wù)解決能力，作者在 HumanEval 和 HumanEval+ 兩個(gè)評(píng)估基準(zhǔn)上進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如下表所示。

參考文獻(xiàn)

[1]Minsky M. Society of mind[M]. Simon and Schuster, 1988.

[2] https://towardsdatascience.com/4-autonomous-ai-agents-you-need-to-know-d612a643fa92