近期，Meta AI团队发布了一项引人注目的研究，他们开源了一种名为HUSKY的AI Agent，旨在解决数学等复杂推理任务。
HUSKY是一种统一、开源的语言Agent，它能够通过学习在统一的操作空间中进行推理，从而解决各种复杂的任务，包括数值、表格和基于知识的推理。与大多数现有的Agent不同，HUSKY不是基于专有模型或针对特定任务（如数学或多跳问答）设计的，而是旨在解决广泛的复杂任务。
HUSKY的设计包括两个主要阶段：生成阶段和执行阶段。在生成阶段，HUSKY会生成下一个要执行的动作，以解决给定的任务。在执行阶段，HUSKY会使用专家模型执行该动作，并更新当前的解决方案状态。
为了实现这一目标，HUSKY团队确定了一套全面的操作本体，用于解决复杂任务，并收集了高质量的数据来训练执行这些操作的专家模型。这些专家模型包括各种不同的模型，如语言模型、数值推理模型和知识检索模型。
为了评估HUSKY的性能，研究人员在14个不同的评估数据集上进行了实验。这些数据集涵盖了各种不同的任务，包括数学问题、多跳问答和基于知识的推理。
实验结果表明，HUSKY在所有这些数据集上都表现出了出色的性能，超过了之前的语言Agent。此外，研究人员还引入了一个新的评估集——HUSKYQA，用于测试语言Agent在混合工具推理方面的能力，重点是检索缺失的知识和执行数值推理。
尽管HUSKY使用的是7B模型，但它在HUSKYQA上的性能与前沿的大型语言模型（如GPT-4）相匹配甚至超过了它们，这展示了HUSKY在解决复杂推理问题方面的有效性。
为了促进进一步的研究和应用，HUSKY团队已经将他们的代码和模型开源。这将使其他研究人员能够使用HUSKY来解决各种不同的任务，并根据他们的具体需求进行定制和扩展。
然而，尽管HUSKY在解决复杂推理任务方面取得了令人印象深刻的性能，但它仍然存在一些限制。首先，由于HUSKY的操作空间是统一的，它可能无法针对特定任务进行优化。其次，由于HUSKY需要使用专家模型来执行操作，它的性能取决于这些模型的质量和可用性。
