所解决的问题?
目前的语言模型还是需要人类的输入来进行指导对话,在时间开销上会很大。这篇文章提出一种新的智能体通信框架角色扮演(role-playing)。作者采用了一个叫做初始Prompt的东西(inception prompting)来做这样一件事情。也就是只在开始人为给定prompt,之后就全靠智能体自己去对话探索了。
人话来说就是,目前主流的基于大模型的应用都是人肉去调prompt,这个非常耗费开销。作者提出了一种方法,让智能体之间进行对话,进而自动去完成任务,而过程中无需人为干预。
背景
目前多智能体间的通信也是研究的一个热点问题,但是主流的通信是基于一些只有智能体才能看懂的向量。而人类语言间的通信能否作用到计算机里面呢?实现智能体间的通信?或者更近一步实现人机通信,人机协作?
知识蒸馏可以实现知识从老师到学生之间的传递,大体也是可以被分成三类:Response-based, Feature-based, and Relation-based。更多的是去抓住模型中的知识,而作者所提出来的方法,是去处理对话智能体“思想”上的探索。
所采用的方法?
大体上是有两个智能体,也就是大语言模型:AI assistant和AI user。当给定一个初始的任务时,一个task-specifier agent将会将任务拆解,描绘更加细致的任务给到AI assistant和AI user,然后他两就开始对话完成任务了:
另外作者还提及到了一些在设计prompt的时候需要注意的点:
- 在两个智能体对话的时候,常常会角色互换,因此需要好好设计一下这个prompt,比如对于AI assistant,就告诉他,好好执行就行了,不要提问题。
- 另一个是assistan repeats,assistant会重复user‘s 的prompt。
- 虚假回复,比如assistant保证会完成某个任务,实际上没有完成。
- 无限消息循环,智能体之间的消息无限循环。
取得的效果?
作者也就是对这个实验结果做了一些分析,可视化等等就完事了。
问题
所出版信息?作者信息?
- King Abdullah University of Science and Technology (KAUST)