主动代理：将大型语言模型代理从被动响应转向主动协助
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了现有代理系统仍以反应方式运作、限制其自主决策能力的问题。我们提出了一种创新的数据驱动方法，通过收集真实的人类活动生成主动任务预测，并利用标注的数据训练奖励模型，从而评估大型语言模型代理的主动性。实验结果表明，使用我们提出的ProactiveBench进行微调后，模型在主动提供协助方面取得了66.47%的F1得分，超越了所有其他模型，展示了该方法在提高代理系统效能方面的潜力。
本研究提出了一种创新的数据驱动方法，解决代理系统自主决策能力不足的问题。通过人类活动数据生成任务预测，并训练奖励模型，提升大型语言模型代理的主动性。实验显示，使用ProactiveBench微调后，模型在主动协助方面的F1得分为66.47%，优于其他模型。
