DynaSaur: Большие языковые агенты за пределами заранее определенных действий

DynaSaur: Large Language Agents Beyond Predefined Actions

November 4, 2024

Авторы: Dang Nguyen, Viet Dac Lai, Seunghyun Yoon, Ryan A. Rossi, Handong Zhao, Ruiyi Zhang, Puneet Mathur, Nedim Lipka, Yu Wang, Trung Bui, Franck Dernoncourt, Tianyi Zhou

cs.AI

Аннотация

Существующие системы агентов LLM обычно выбирают действия из фиксированного и заранее определенного набора на каждом шаге. Хотя этот подход эффективен в закрытых, узко специализированных средах, мы считаем, что он представляет две основные проблемы при развертывании агентов LLM в реальных сценариях: (1) выбор из фиксированного набора действий значительно ограничивает возможности планирования и действия агентов LLM, и (2) этот подход требует значительных усилий человека для перечисления и реализации всех возможных действий, что становится непрактичным в сложных средах с огромным количеством потенциальных действий. В данной работе мы предлагаем фреймворк агента LLM, который позволяет динамически создавать и комбинировать действия в режиме онлайн. В этом фреймворке агент взаимодействует с окружающей средой, генерируя и выполняя программы, написанные на языке общего назначения, на каждом шаге. Более того, сгенерированные действия накапливаются со временем для будущего повторного использования. Наши обширные эксперименты на бенчмарке GAIA показывают, что этот фреймворк предлагает значительно большую гибкость и превосходит предыдущие методы. Важно отметить, что он позволяет агенту LLM восстанавливаться в сценариях, где в заранее определенном наборе отсутствует соответствующее действие или когда существующие действия не справляются из-за непредвиденных крайних случаев. На момент написания данного текста мы занимаем первое место в общедоступном рейтинге GAIA. Наш код можно найти по ссылке: https://github.com/adobe-research/dynasaur.

English

Existing LLM agent systems typically select actions from a fixed and predefined set at every step. While this approach is effective in closed, narrowly-scoped environments, we argue that it presents two major challenges when deploying LLM agents in real-world scenarios: (1) selecting from a fixed set of actions significantly restricts the planning and acting capabilities of LLM agents, and (2) this approach requires substantial human effort to enumerate and implement all possible actions, which becomes impractical in complex environments with a vast number of potential actions. In this work, we propose an LLM agent framework that enables the dynamic creation and composition of actions in an online manner. In this framework, the agent interacts with the environment by generating and executing programs written in a general-purpose programming language at each step. Furthermore, generated actions are accumulated over time for future reuse. Our extensive experiments on the GAIA benchmark demonstrate that this framework offers significantly greater flexibility and outperforms previous methods. Notably, it allows an LLM agent to recover in scenarios where no relevant action exists in the predefined set or when existing actions fail due to unforeseen edge cases. At the time of writing, we hold the top position on the GAIA public leaderboard. Our code can be found in https://github.com/adobe-research/dynasaur{https://github.com/adobe-research/dynasaur}.