【LLM-agent】OpenAGI：当LLM遇见领域专家

一、结论写在前面论文介绍了 OpenAGI，这是一个开源的 AGI 研究平台，旨在通过操作各种域专家模型、工具、插件或 API，促进 LLM 在解决复杂多步任务中的开发和评估。OpenAGI 提供了广泛的任务、模型、数据集、基准和评估方法。论文还提出了 LLM+RLTF 方法，它将 LLM 与强化学习结合，以优化解决任务效果。使用 OpenAGI 流水线和不同的学习模式对各种 LLM 的评估表明，当与适当的学习方法(如 RLTF)结合时，较小规模的 LLM 具有可能优于更大模型的潜力。论文未来的探索目标是：人类在循环agent中发挥作用(Human-in-the-loop agents)，在缺乏合适模型的情况下，LLM 可提示人类专家提出答案，作为任务解决计划的一步，从而实现更好的人机协作;值得信赖的agent(Trustworthy agents)，在任务解决过程中保证agent的安全性和伦理标准;自我改进的agent(Self-improving agents)，实现自 ………………………………