MindAgent框架，让大模型学会规划
那么大模型到底怎么学会玩游戏的呢？
也就是靠研究中提出的MindAgent框架了，主要由提示、当前状态和记忆三个组件组成。
提示组件中包含菜谱、一般说明、推理知识和单样本演示。
当前状态组件提供对环境的观察快照，包括智能体的位置、持有的物品、环境中可使用的工具等信息，还包括违反规则时会被触发的反馈。
记忆组件记录了每个时间步骤的环境状态和智能体状态。
利用这些组件，大模型会先输出对任务规划的文本描述，接下来还有两个关键步骤：
动作提取，用正则表达式提取输出文本中的动作，这一步是必不可少的，因为输出文本黄总可能包含大模型思维过程，甚至是察觉到失误而道歉的信息。
动作验证，评估每个动作的可行性，如果发现无法执行则返回错误消息。
最终，团队在实验中得到如下发现：
- GPT-4在零样本条件下就能根据简单的游戏说明调度2-4个智能体完成菜肴制作，甚至可以与人类玩家协作。
- 提供极少量的专家演示，解释某些动作的推理、以及在规划过程中提供实时反馈，可以显著提升大模型的多智能体规划表现。
- 可以从更少智能体的例子推广到协调更多智能体，以及适应新的游戏领域。
- 与经典的专用规划算法相比，大模型规划仍存在计算成本、上下文长度限制、非最优规划等瓶颈，但可以从数据中在线改进，更灵活地适应不同规划问题。
- 在人机互动实验中，不同数量智能体与人协作会提高任务成功率，但太多智能体也会降低游戏乐趣。
另外，论文附录上还给出了系统提示词示例，如果想让AI学会玩你喜欢的游戏，可以参考一下。
论文地址：
https://www.microsoft.com/en-us/research/publication/mindagent-emergent-gaming-interaction/
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
