AgentGen - 大規模AIモデルの計画能力を向上させるために、マイクロソフトが香港大学と共同で開発したフレームワーク。

AgentGenとは何ですか？

香港大学とマイクロソフトが共同で立ち上げたAIプロジェクトフレームワークであるAgentGenは、多様な環境とタスクを自動生成することで、大規模言語モデル（LLM）のプランニング能力を大幅に向上させます。BI-EVOL手法を用いることで、AgentGenは難易度が徐々に上がるタスクセットを作成し、8パラメータのLlama-3モデルが特定のタスクにおいてGPT-4に匹敵する性能を発揮することを可能にします。AgentGenは、ドメイン内およびドメイン外のタスク評価において卓越した性能を示し、ロボット制御やスマートホームといった複雑なプランニングタスクにおける将来的な応用が期待されます。

AgentGenの主な機能

• 適応型環境構築このフレームワークは、多様な仮想環境を自律的に構想・作成することができ、インテリジェントエージェントに豊富なインタラクティブなシナリオを提供する。
• インテリジェントなタスクカスタマイズAgentGenは、高度な言語モデルに基づいて、タスクをインテリジェントにカスタマイズし、適応的な環境を生成することができます。
• 動的難易度調整革新的なBI-EVOL戦略により、このフレームワークはタスクの難易度を動的に調整することができ、複雑さの異なるタスクにおけるエージェントの学習と成長を促進する。
• 大量のトレーニングデータは不要ですAgentGenのゼロショット生成機能により、大規模なトレーニングデータセットの必要性が軽減され、モデルのトレーニングプロセスが高速化されます。
• 精密技能の向上指示を微調整することで、このフレームワークはエージェントの特定のタスクにおけるスキルを正確に強化し、問題解決能力を向上させることができる。
• 包括的なパフォーマンス監視AgentGenは、綿密な性能評価システムを通じて、様々なタスクにおいて最適なパフォーマンスを実現します。

AgentGenの技術原則

• 環境生成AgentGenは、大規模言語モデル（LLM）を用いて、状態空間、行動空間、遷移関数などの定義を含む環境仕様を生成します。そして、コード生成技術を用いて、これらの環境に対応する具体的なコードを実装します。
• ヒューリスティックルールとコーパス環境生成プロセスにおいて、AgentGenはヒューリスティックルールと多様なコーパスを用いて、LLMが多様な環境を生成するのを支援します。
• タスク生成AgentGenは、生成された環境に基づいて、LLMを使用して対応する計画タスクを生成し、タスクが環境に一致することを保証します。
• BI-EVOL法AgentGenは、タスクの難易度を調整するために双方向進化（BI-EVOL）アプローチを採用しており、簡単な進化（タスクを単純化）と難しい進化（タスクを複雑化）によって、難易度が徐々に上がる一連のタスクを形成します。
• ゼロショット学習タスク生成の初期段階では、AgentGenはLLMに対し、ゼロショット学習を通じて一連の初期計画タスクを生成するように促します。
• コマンドの微調整AgentGenは、命令微調整技術を用いて合成軌道データ（行動と観測のペアシーケンス）からLLMを微調整することで、その計画能力を向上させます。
• パフォーマンス評価AgentGenは、成功率や進捗率などの指標を用いて、計画タスクにおけるモデルのパフォーマンスを評価し、トレーニングの有効性を保証します。

AgentGenのプロジェクトアドレス

AgentGenの応用シナリオ

• ロボット制御自動化やインテリジェント製造の分野において、AgentGenはロボットの自律的な計画立案能力と意思決定能力を向上させるために利用でき、ロボットが複雑なタスクをより効率的に実行することを可能にする。
• スマートホームシステムAgentGenはスマートホームシステムに統合することができ、ユーザーの行動や好みに基づいてシステムがデバイスの設定を自動的に調整することで、生活の快適性とエネルギー効率を向上させます。
• パーソナルアシスタントAgentGenはパーソナルアシスタントとして、ユーザーが予定を立てたり、タスクを計画したり、リマインダーを設定したりするのに役立ち、生活と仕事の効率を向上させます。
• 交通計画AgentGenは、交通システムの最適化に利用でき、より合理的な運転ルートの計画、渋滞の緩和、移動効率の向上に役立ちます。
• ゲームAIビデオゲーム開発において、AgentGenはより知的なノンプレイヤーキャラクター（NPC）を生成するために使用でき、より豊かなゲーム体験を提供する。