論文の概要: ReDel: A Toolkit for LLM-Powered Recursive Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2408.02248v2
• Date: Mon, 4 Nov 2024 19:16:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 12:55:51.015569
• Title: ReDel: A Toolkit for LLM-Powered Recursive Multi-Agent Systems
• Title（参考訳）: ReDel: LLMによる再帰的マルチエージェントシステムのためのツールキット
• Authors: Andrew Zhu, Liam Dugan, Chris Callison-Burch,
• Abstract要約: ReDelはマルチエージェントシステムを構築するためのツールキットである。 カスタムツールの使用、デリゲートスキーム、イベントベースのロギング、インタラクティブなリプレイをサポートする。 私たちのコード、ドキュメンテーション、およびPyPIパッケージはオープンソースで、MITライセンス下で自由に使用できます。
• 参考スコア（独自算出の注目度）: 39.85101344037394
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, there has been increasing interest in using Large Language Models (LLMs) to construct complex multi-agent systems to perform tasks such as compiling literature reviews, drafting consumer reports, and planning vacations. Many tools and libraries exist for helping create such systems, however none support recursive multi-agent systems -- where the models themselves flexibly decide when to delegate tasks and how to organize their delegation structure. In this work, we introduce ReDel: a toolkit for recursive multi-agent systems that supports custom tool-use, delegation schemes, event-based logging, and interactive replay in an easy-to-use web interface. We show that, using ReDel, we are able to easily identify potential areas of improvements through the visualization and debugging tools. Our code, documentation, and PyPI package are open-source and free to use under the MIT license at https://github.com/zhudotexe/redel.
• Abstract（参考訳）: 近年,文学レビューの編纂,消費者報告の起草,休暇の計画など,複雑なマルチエージェントシステムの構築にLarge Language Models (LLMs) を使うことへの関心が高まっている。 このようなシステム構築を支援するツールやライブラリは数多く存在するが、再帰的なマルチエージェントシステムをサポートしていない。 本稿では、ReDelについて紹介する。ReDelは、カスタムツールの使用、デリゲートスキーム、イベントベースのロギング、インタラクティブなリプレイをサポートする、再帰的なマルチエージェントシステムのためのツールキットである。 ReDelを使うことで、視覚化とデバッギングツールによって、潜在的な改善領域を容易に特定できることが示されています。 私たちのコード、ドキュメンテーション、PyPIパッケージはオープンソースで、MITライセンスのhttps://github.com/zhudotexe/redel.comで無料で使用できます。

関連論文リスト

• TinyAgent: Function Calling at the Edge [32.174966522801746]
  本稿では,エッジ上でエージェントシステムを駆動するための関数呼び出しが可能なタスク固有小言語モデルエージェントの訓練とデプロイのためのエンドツーエンドフレームワークを提案する。 駆動アプリケーションとして、テキストや音声入力によるユーザコマンドの実行が可能な、AppleのMacBook用のローカルSiriライクなシステムをデモする。
  論文  参考訳（メタデータ） (2024-09-01T04:23:48Z)
• AutoGen Studio: A No-Code Developer Tool for Building and Debugging Multi-Agent Systems [31.113305753414913]
  ATOGEN STUDIOは、マルチエージェントシステムを迅速にプロトタイピングするためのノーコード開発ツールである。 エージェント仕様のための直感的なドラッグ&ドロップUI、インタラクティブな評価、再利用可能なエージェントコンポーネントのギャラリーを提供する。
  論文  参考訳（メタデータ） (2024-08-09T03:27:37Z)
• Tulip Agent -- Enabling LLM-Based Agents to Solve Tasks Using Large Tool Libraries [5.828355593978994]
  tulip Agentは、Create、Read、Update、Deleteといった自律型ロボットエージェントのためのアーキテクチャで、潜在的に多くのツールを含むツールライブラリにアクセスする。 最先端の実装とは対照的に、チューリップエージェントはシステムプロンプトで利用可能なすべてのツールの記述をエンコードしない。 チューリップエージェントアーキテクチャは推論コストを大幅に削減し、大きなツールライブラリの使用を可能にし、エージェントがそのツールセットを適応し拡張することを可能にする。
  論文  参考訳（メタデータ） (2024-07-31T17:50:54Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• EASYTOOL: Enhancing LLM-based Agents with Concise Tool Instruction [56.02100384015907]
  EasyToolは、多種多様で長いツールドキュメントを統一的で簡潔なツール命令に変換するフレームワークである。 トークン使用量を大幅に削減し、現実のシナリオにおけるツール利用のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-01-11T15:45:11Z)
• GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension [81.44231422624055]
  さまざまなタスクを実行できる外部ツールを備えた大規模言語モデル(LLM)に焦点が当てられている。 本稿では,GitHubから自動ツール拡張を実現するエージェントであるGitAgentを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T15:47:30Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• ModelScope-Agent: Building Your Customizable Agent System with Open-source Large Language Models [74.64651681052628]
  本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。 ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。 ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-09-02T16:50:30Z)

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。