SwiftSage: Un Agente Generativo con Pensamiento Rápido y Lento para Tareas Interactivas Complejas

SwiftSage: A Generative Agent with Fast and Slow Thinking for Complex Interactive Tasks

May 27, 2023

Autores: Bill Yuchen Lin, Yicheng Fu, Karina Yang, Prithviraj Ammanabrolu, Faeze Brahman, Shiyu Huang, Chandra Bhagavatula, Yejin Choi, Xiang Ren

cs.AI

Resumen

Presentamos SwiftSage, un novedoso marco de agente inspirado en la teoría de doble proceso de la cognición humana, diseñado para sobresalir en la planificación de acciones para tareas complejas de razonamiento interactivo. SwiftSage integra las fortalezas de la clonación de comportamiento y el uso de modelos de lenguaje grandes (LLMs) para mejorar el rendimiento en la finalización de tareas. El marco consta de dos módulos principales: el módulo Swift, que representa el pensamiento rápido e intuitivo, y el módulo Sage, que emula los procesos de pensamiento deliberado. El módulo Swift es un pequeño modelo de lenguaje codificador-decodificador ajustado en las trayectorias de acción del agente oráculo, mientras que el módulo Sage emplea LLMs como GPT-4 para la planificación y fundamentación de subobjetivos. Desarrollamos un método heurístico para integrar armoniosamente los dos módulos, resultando en un proceso de resolución de problemas más eficiente y robusto. En 30 tareas del benchmark ScienceWorld, SwiftSage supera significativamente a otros métodos como SayCan, ReAct y Reflexion, demostrando su eficacia en la resolución de tareas complejas del mundo real.

English

We introduce SwiftSage, a novel agent framework inspired by the dual-process theory of human cognition, designed to excel in action planning for complex interactive reasoning tasks. SwiftSage integrates the strengths of behavior cloning and prompting large language models (LLMs) to enhance task completion performance. The framework comprises two primary modules: the Swift module, representing fast and intuitive thinking, and the Sage module, emulating deliberate thought processes. The Swift module is a small encoder-decoder LM fine-tuned on the oracle agent's action trajectories, while the Sage module employs LLMs such as GPT-4 for subgoal planning and grounding. We develop a heuristic method to harmoniously integrate the two modules, resulting in a more efficient and robust problem-solving process. In 30 tasks from the ScienceWorld benchmark, SwiftSage significantly outperforms other methods such as SayCan, ReAct, and Reflexion, demonstrating its effectiveness in solving complex real-world tasks.