❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

灵活性：DynaSaur 突破了传统 LLM 代理系统受限于预定义动作集合的限制，支持动态创建和组合动作。
功能性：框架能够积累生成的动作，构建可重用的函数库，提高未来任务的效率和适应性。
应用性：适用于自动化客户服务、智能个人助理、软件开发辅助、教育和培训、数据科学和分析等多个领域。

正文

DynaSaur 是什么

DynaSaur 是 Adobe Research 推出的大型语言模型（LLM）代理框架，旨在突破传统 LLM 代理系统受限于预定义动作集合的限制。该框架支持代理动态创建和组合动作，通过生成和执行 Python 代码与环境互动，从而实现更灵活的问题解决。DynaSaur 能够积累生成的动作，构建可重用的函数库，提高未来任务的效率和适应性。在 GAIA 基准测试中，DynaSaur 展现了显著的灵活性，尤其在处理复杂和长期任务时表现出色。

DynaSaur 的主要功能

• 动态动作创建：根据环境和任务需求，动态生成新的 Python 函数作为动作，不依赖于预定义的动作集合。
• 动作积累与复用：框架将生成的动作积累起来，构建可重用的函数库，在未来的任务中使用，提高问题解决的效率。
• 环境互动：基于生成和执行 Python 代码与环境互动，代码定义新的动作或调用已有的动作。
• 灵活性和适应性：在面对复杂和长期的任务时，能灵活适应，尤其是在预定义动作不适用或失败的情况下，恢复并完成任务。

DynaSaur 的技术原理

• 动作表示：将每个动作表示为 Python 函数，利用 Python 的通用性和 LLM 的代码生成能力。
• 动作检索：基于动作检索函数，根据查询和上下文，从积累的动作库中检索最相关的先前生成的动作。
• 动作积累：在执行任务的过程中，将新生成的动作添加到动作库中，动作用于未来的任务。
• 部分可观察马尔可夫决策过程（POMDP）：将代理的行为建模为 POMDP，其中包括任务空间、动作空间、状态空间、观察空间、状态转移函数和观察函数。
• 动态动作空间：引入一个潜在无限的动作集合 A*，支持代理在每个时间步骤中提出任何动作解决任务。

资源

• GitHub 仓库：https://github.com/adobe-research/dynasaur
• arXiv 技术论文：https://arxiv.org/pdf/2411.01747

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦