AgentGen: 通过环境和任务生成增强基于大型语言模型的智能代理的规划能力
原文中文，约400字，阅读约需1分钟。发表于：。通过指导调整，本文研究了增强大型语言模型（LLM）的规划能力，即代理训练。通过自动合成多样化的环境和一系列由易到难的规划任务，我们的 AgentGen 框架显着提升了 LLMs 的规划能力，AgentGen 指导调整的 Llama-3 8B 模型在综合性能方面超过了 GPT-3.5，甚至在某些任务中胜过 GPT-4。
AgentTuning是一种提高大型语言模型代理任务能力的方法，同时保持其一般能力。AgentTuning通过使用AgentInstruct与通用领域的开源指令相结合的混合指令调整策略对Llama 2系列进行了指令调整，得到AgentLM。评估结果显示，AgentTuning能够提升语言模型的代理能力，AgentLM-70B在未知代理任务上与GPT-3.5-turbo相媲美。
