⏶67
智能体知识库:利用跨领域经验解决智能体问题
发表
由
Xiangru Tang 提交
作者:
Xiangru Tang, Tianrui Qin, Tianhao Peng,
Ziyang Zhou, Daniel Shao, Tingting Du, Xinming Wei,
Peng Xia, Fang Wu, He Zhu,
Ge Zhang, Jiaheng Liu, Xingyao Wang, Sirui Hong, Chenglin Wu, Hao Cheng, Chi Wang, Wangchunshu Zhou
摘要
随着语言智能体处理日益复杂的任务,它们在有效纠错和跨领域经验复用方面面临挑战。我们引入了 Agent KB,一个分层经验框架,通过新颖的推理-检索-细化 (Reason-Retrieve-Refine) 流程实现复杂的智能体问题解决。Agent KB 解决了核心限制:传统上,智能体无法从彼此的经验中学习。通过捕获高层策略和详细执行日志,Agent KB 创建了一个共享知识库,从而实现跨智能体知识迁移。在 GAIA 基准测试中,Agent KB 将成功率提高了多达 16.28 个百分点。在最具挑战性的任务上,Claude-3 的性能从 38.46% 提高到 57.69%,而 GPT-4 在中等难度任务上从 53.49% 提高到 73.26%。在 SWE-bench 代码修复任务上,Agent KB 使 Claude-3 的性能从 41.33% 提高到 53.33%。我们的结果表明,Agent KB 提供了一个模块化、与框架无关的基础设施,使智能体能够从过去的经验中学习并将成功的策略推广到新任务。
arXiv 对这篇论文进行了详细解读 👉 https://arxivexplained.com/papers/agent-kb-leveraging-cross-domain-experience-for-agentic-problem-solving