元 GPT: 多智能体协同框架的元编程
本研究提出了 GameGPT,一个多智能体协作框架,以自动化游戏开发。通过双重协作和分层方法,并应用多种内部词汇表,在规划、任务识别和实施阶段缓解幻觉和冗余问题。此外,还引入了一种解耦方法,以实现更精确的代码生成。
Oct, 2023
此研究论文介绍了 Meta-Task Planning (MTP),一种用于协作式基于大型语言模型的多智能体系统的零样本方法,通过将复杂任务分解成次级任务或元任务来简化任务规划,进而将每个元任务映射为可执行动作。该方法在 TravelPlanner 和 API-Bank 两个基准测试中进行了评估,取得了出色的结果,显示了将 LLM 与多智能体系统整合的巨大潜力。
May, 2024
基于设计思维和设计过程,我们开发了 DesignGPT 多智能体协作框架,利用人工智能代理模拟设计公司中不同职位的角色,并允许人类设计师与其自然语言协作。实验结果表明,与单独的 AI 工具相比,DesignGPT 改善了设计师的表现,凸显了整合设计领域知识应用于产品方案设计的潜力。
Nov, 2023
在这篇研究论文中,我们提出了一种名为 RoboGPT 的机器人代理,通过两个模块(基于 LLMs 的规划与重新规划,以及专为子目标设计的 RoboSkill)来完成日常任务的具体决策。我们使用了一份新的机器人数据集和 RoboGPT 来增强基于 LLMs 的规划,并成功在诸多任务中超越了目前的最先进方法。
Nov, 2023
基于 3D-GPT 的指令驱动的 3D 建模框架,利用语言模型实现了高效的自动内容创作,简化初始场景描述并从文本中提取参数值,与 3D 软件无缝集成,为未来场景生成和动画的进一步发展提供了基础。
Oct, 2023
AutoML-GPT 是一种使用大型语言模型和任务导向提示的自动化训练管道,可自动处理数据、选择最佳模型架构和超参数优化,并在计算机视觉、自然语言处理等领域实现了显著的结果,对于许多 AI 任务具有广泛的适用性。
May, 2023
通过融合 Generative Pre-trained Transformers (GPT) 这类大型语言模型的高级推理能力和 Multiagent (MAS) 系统,这篇论文介绍了一种新的方法,“GPT-in-the-loop”,用于增强问题解决和解释能力。结合智能街灯物联网应用背景,该方法使代理人通过传感器、执行器和神经网络创建出一个能耗更低的照明系统,并与传统神经进化方法和软件工程师提供的解决方案进行了比较,凸显了 GPT 驱动的 Multiagent 系统在物联网中的潜力。
Aug, 2023
提出了一种创新性的框架 Co-NavGPT,将大型语言模型(LLMs)作为多机器人合作视觉目标导航的全局规划器,通过编码探索环境数据,为每个机器人分配探索边界,实现高效的目标搜索,实验结果表明 Co-NavGPT 在成功率和效率方面优于现有模型,展示了 LLMs 在多机器人协作领域的巨大潜力。
Oct, 2023
SoftGPT 是一种预训练软物体操纵技能学习模型,具有三维异质图表示和基于 GPT 的动力学模型,通过引入先前的知识,可以有效地学习各种软物体操纵技能,包括直接从人类演示中学习。
Jun, 2023
本研究提出了一种名为 OlaGPT 的智能框架,旨在模拟人类认知的不同模块并设计 COT 模板以解决复杂的推理挑战。经过多次实验,OlaGPT 的表现超越了现有的基准,并可在 GitHub 上获得实现。
May, 2023