Agent Planning

Types[1] #

plans

  • 任务分解

  • 多计划选择

  • 外部规划器辅助规划

  • 反思和提炼[20]

  • 记忆增强规划

任务分解 #

  • ReACT 范式 [2] 把融合了Reasoning和Acting的一种范式，推理过程是浅显易懂，仅仅包含thought-action-observation步骤，很容易判断推理的过程的正确性，使用ReAct做决策甚至超过了强化学习.

    • chain-of-thought推理-问题 事实幻想（fact hallucination）和错误传递（error propagation）

  • Plan-and-execute agents [2] 本质上是先计划再执行，即先把用户的问题分解成一个个的子任务，然后再执行各个子任务，最后合并输出得到结果

Patterns #

  • Self-ask [2] Self-ask是一种follow-up的使用范式，仅仅包含follow-up, immediate answer步骤，至于follow-up多少个step，完全由它自己决定，估计这就是Self-ask的名字的由来。

参考 #

  1. 《Understanding the planning of LLM agents: A survey》
    大语言模型智能体规划能力综述: 分类、任务分解、选择、反思、记忆增强 翻译
    Agent四大范式 | 综述：全面理解Agent工作原理

  2. 2023年新生代大模型Agents技术,ReAct,Self-Ask,Plan-and-execute,以及AutoGPT, HuggingGPT等应用 *** 论文+代码

  3. {% post_link ‘gptAgentReflection’ %} self

1xx. AI Agent规划能力全面拆解

1xx. 引领语言智能：从思维链推理到语言智能体的探索指南 [译] paper

1xx. 2023年大语言模型智能体规划技术(LLM Agent Planning)研究进展汇总