論文の概要: LPar -- A Distributed Multi Agent platform for building Polyglot, Omni
Channel and Industrial grade Natural Language Interfaces
- arxiv url: http://arxiv.org/abs/2006.14666v1
- Date: Thu, 25 Jun 2020 19:20:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 04:25:08.055230
- Title: LPar -- A Distributed Multi Agent platform for building Polyglot, Omni
Channel and Industrial grade Natural Language Interfaces
- Title(参考訳): LPar - ポリグロット、オムニチャネル、産業用グレード自然言語インタフェースを構築するための分散マルチエージェントプラットフォーム
- Authors: Pranav Sharma
- Abstract要約: 本稿では,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介する。
現在のデプロイメントは、基盤となるConversational AIプラットフォーム(オープンソースまたは商用)に大きく依存する傾向がある。
これらの課題に対処するため,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介した。
- 参考スコア(独自算出の注目度): 0.299146123420045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The goal of serving and delighting customers in a personal and near human
like manner is very high on automation agendas of most Enterprises. Last few
years, have seen huge progress in Natural Language Processing domain which has
led to deployments of conversational agents in many enterprises. Most of the
current industrial deployments tend to use Monolithic Single Agent designs that
model the entire knowledge and skill of the Domain. While this approach is one
of the fastest to market, the monolithic design makes it very hard to scale
beyond a point. There are also challenges in seamlessly leveraging many tools
offered by sub fields of Natural Language Processing and Information Retrieval
in a single solution. The sub fields that can be leveraged to provide relevant
information are, Question and Answer system, Abstractive Summarization,
Semantic Search, Knowledge Graph etc. Current deployments also tend to be very
dependent on the underlying Conversational AI platform (open source or
commercial) , which is a challenge as this is a fast evolving space and no one
platform can be considered future proof even in medium term of 3-4 years.
Lately,there is also work done to build multi agent solutions that tend to
leverage a concept of master agent. While this has shown promise, this approach
still makes the master agent in itself difficult to scale. To address these
challenges, we introduce LPar, a distributed multi agent platform for large
scale industrial deployment of polyglot, diverse and inter-operable agents. The
asynchronous design of LPar supports dynamically expandable domain. We also
introduce multiple strategies available in the LPar system to elect the most
suitable agent to service a customer query.
- Abstract(参考訳): 顧客を個人的、人間に近い方法で提供し、喜ばせるという目標は、ほとんどの企業の自動化アジェンダにおいて非常に高い。
ここ数年、自然言語処理領域は大きな進歩を遂げており、多くの企業で会話型エージェントがデプロイされている。
現在の産業展開のほとんどは、ドメインの知識とスキル全体をモデル化するモノリシックな単一エージェント設計を使いがちです。
このアプローチは市場最速の1つですが、モノリシックな設計は、ポイントを超えたスケーリングを非常に困難にします。
また、自然言語処理と情報検索のサブ分野が提供する多くのツールを単一のソリューションでシームレスに活用する上でも課題があります。
関連する情報を提供するために活用できるサブ分野は、質問・回答システム、抽象要約、意味検索、知識グラフなどである。
現在のデプロイメントは、基盤となるConversational AIプラットフォーム(オープンソースまたは商用)にも大きく依存する傾向があります。
最近は、マスターエージェントの概念を利用する傾向があるマルチエージェントソリューションを構築する作業も行われている。
これは将来性を示しているが、このアプローチはマスターエージェント自体のスケーリングを難しくしている。
これらの課題に対処するために,多言語,多種多様な相互運用可能な大規模産業展開のための分散マルチエージェントプラットフォームであるlparを紹介する。
LParの非同期設計は動的に拡張可能なドメインをサポートする。
また、LParシステムで利用可能な複数の戦略を導入し、顧客の問い合わせに最も適したエージェントを選択します。
関連論文リスト
- Very Large-Scale Multi-Agent Simulation in AgentScope [112.98986800070581]
我々は,ユーザフレンドリーなマルチエージェントプラットフォームであるAgentScopeの新機能とコンポーネントを開発した。
高いスケーラビリティと高効率を実現するために,アクタをベースとした分散機構を提案する。
また、多数のエージェントを便利に監視し、管理するためのWebベースのインターフェースも提供します。
論文 参考訳(メタデータ) (2024-07-25T05:50:46Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳(メタデータ) (2024-07-09T17:33:24Z) - AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。
我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。
我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
論文 参考訳(メタデータ) (2024-06-06T15:15:41Z) - AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。
豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
論文 参考訳(メタデータ) (2024-02-21T04:11:28Z) - An Interactive Agent Foundation Model [49.77861810045509]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳(メタデータ) (2024-02-08T18:58:02Z) - Large Language Model based Multi-Agents: A Survey of Progress and Challenges [44.92286030322281]
大規模言語モデル(LLM)は、幅広いタスクで大きな成功を収めています。
近年, 1 つの LLM を単一計画や意思決定エージェントとして利用する手法の開発により, 複雑な問題解決や世界シミュレーションにおいて, LLM ベースのマルチエージェントシステムは大きな進歩を遂げている。
論文 参考訳(メタデータ) (2024-01-21T23:36:14Z) - TESS: A Multi-intent Parser for Conversational Multi-Agent Systems with
Decentralized Natural Language Understanding Models [6.470108226184637]
マルチエージェントシステムは、ユーザ意図の自然言語理解を複雑にする。
本稿では,ユーザからの多目的発話を効率的に解析・オーケストレーションするパイプラインアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-19T03:39:23Z) - Agents: An Open-source Framework for Autonomous Language Agents [98.91085725608917]
我々は、言語エージェントを人工知能への有望な方向と見なしている。
Agentsはオープンソースライブラリで、これらの進歩を広く非専門的な聴衆に開放することを目的としています。
論文 参考訳(メタデータ) (2023-09-14T17:18:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。