OctoTools : Un cadre agentique avec des outils extensibles pour le raisonnement complexe

OctoTools: An Agentic Framework with Extensible Tools for Complex Reasoning

February 16, 2025

Auteurs: Pan Lu, Bowen Chen, Sheng Liu, Rahul Thapa, Joseph Boen, James Zou

cs.AI

Résumé

La résolution de tâches de raisonnement complexes peut impliquer la compréhension visuelle, la récupération de connaissances spécifiques à un domaine, le calcul numérique et le raisonnement en plusieurs étapes. Les méthodes existantes améliorent les grands modèles de langage (LLMs) avec des outils externes, mais elles sont limitées à des domaines spécialisés, à des types d'outils restreints, ou nécessitent des données d'entraînement supplémentaires. Dans cet article, nous présentons OctoTools, un cadre agentique open-source, sans nécessité d'entraînement, convivial et facilement extensible, conçu pour aborder le raisonnement complexe dans divers domaines. OctoTools introduit des cartes d'outils standardisées pour encapsuler la fonctionnalité des outils, un planificateur pour la planification à haut et bas niveau, et un exécuteur pour mettre en œuvre l'utilisation des outils. Nous validons la généralité d'OctoTools sur 16 tâches variées (incluant MathVista, MMLU-Pro, MedQA et GAIA-Text), obtenant des gains de précision moyens substantiels de 9,3 % par rapport à GPT-4o. De plus, OctoTools surpasse AutoGen, GPT-Functions et LangChain jusqu'à 10,6 % lorsqu'il est doté du même ensemble d'outils. Grâce à une analyse et des ablations approfondies, OctoTools démontre des avantages dans la planification des tâches, l'utilisation efficace des outils et la résolution de problèmes en plusieurs étapes.

English

Solving complex reasoning tasks may involve visual understanding, domain knowledge retrieval, numerical calculation, and multi-step reasoning. Existing methods augment large language models (LLMs) with external tools but are restricted to specialized domains, limited tool types, or require additional training data. In this paper, we introduce OctoTools, a training-free, user-friendly, and easily extensible open-source agentic framework designed to tackle complex reasoning across diverse domains. OctoTools introduces standardized tool cards to encapsulate tool functionality, a planner for both high-level and low-level planning, and an executor to carry out tool usage. We validate OctoTools' generality across 16 diverse tasks (including MathVista, MMLU-Pro, MedQA, and GAIA-Text), achieving substantial average accuracy gains of 9.3% over GPT-4o. Furthermore, OctoTools outperforms AutoGen, GPT-Functions and LangChain by up to 10.6% when given the same set of tools. Through comprehensive analysis and ablations, OctoTools demonstrates advantages in task planning, effective tool usage, and multi-step problem solving.