ترجمه فارسی مقاله تولید عامل: افزایش توانایی‌های برنامه‌ریزی برای عامل مبتنی بر مدل زبان بزرگ از طریق تولید محیط و وظیفه

چکیده

Large Language Model (LLM) based agents have garnered significant attention and are becoming increasingly popular. Furthermore, planning ability is a crucial component of an LLM-based agent, involving interaction with the environment and executing actions to complete a planning task, which generally entails achieving a desired goal from an initial state. This paper investigates enhancing the planning abilities of LLMs through instruction tuning, referred to as agent training. Recent studies have demonstrated that utilizing expert-level trajectory for instruction-tuning LLMs effectively enhances their planning capabilities. However, existing work primarily focuses on synthesizing trajectories from manually designed planning tasks and environments. The labor-intensive nature of creating these environments and tasks impedes the generation of sufficiently varied and extensive trajectories. To address this limitation, this paper explores the automated synthesis of diverse environments and a gradual range of planning tasks, from easy to difficult. We introduce a framework, AgentGen, that leverages LLMs first to generate environments and subsequently generate planning tasks conditioned on these environments. Specifically, to improve environmental diversity, we propose using an inspiration corpus composed of various domain-specific text segments as the context for synthesizing environments. Moreover, to increase the difficulty diversity of generated planning tasks, we propose a bidirectional evolution method, Bi-Evol, that evolves planning tasks from easier and harder directions to synthesize a task set with a smoother difficulty curve. The evaluation results derived from AgentBoard show that AgentGen greatly improves LLMs’ planning ability, e.g., the AgentGen instruction-tuned Llama-3 8B surpasses GPT-3.5 in overall performance. Moreover, in certain tasks, it even outperforms GPT-4.

چکیده به فارسی (ترجمه ماشینی)

عوامل مبتنی بر مدل زبان بزرگ (LLM) توجه قابل توجهی را به خود جلب کرده و به طور فزاینده ای محبوب می شوند.علاوه بر این ، توانایی برنامه ریزی یک مؤلفه مهم یک عامل مبتنی بر LLM است که شامل تعامل با محیط زیست و اجرای اقدامات برای انجام یک کار برنامه ریزی است ، که به طور کلی مستلزم دستیابی به یک هدف مورد نظر از یک حالت اولیه است.در این مقاله به بررسی توانایی های برنامه ریزی LLMS از طریق تنظیم دستورالعمل ، که به عنوان آموزش عامل گفته می شود ، بررسی شده است.مطالعات اخیر نشان داده اند که استفاده از مسیر سطح متخصص برای تنظیم LLMS آموزش به طور موثری قابلیت برنامه ریزی آنها را افزایش می دهد.با این حال ، کار موجود در درجه اول بر سنتز مسیرها از وظایف و محیط برنامه ریزی طراحی شده متمرکز است.ماهیت کارآمد در ایجاد این محیط ها و وظایف مانع تولید مسیرهای به اندازه کافی متنوع و گسترده است.برای پرداختن به این محدودیت ، این مقاله به بررسی سنتز خودکار محیط های متنوع و طیف تدریجی کارهای برنامه ریزی ، از آسان تا دشوار می پردازد.ما یک چارچوب ، AgentGen را معرفی می کنیم که ابتدا LLMS را برای تولید محیط و متعاقباً از LLMS استفاده می کند و متعاقباً کارهای برنامه ریزی را با شرط این محیط ها تولید می کند.به طور خاص ، برای بهبود تنوع زیست محیطی ، ما با استفاده از یک قسمت الهام بخش متشکل از بخش های مختلف متنی خاص دامنه به عنوان زمینه ای برای سنتز محیط ها پیشنهاد می کنیم.علاوه بر این ، برای افزایش تنوع دشواری وظایف برنامه ریزی تولید شده ، ما یک روش تکامل دو طرفه ، BI-EVOL را پیشنهاد می کنیم که وظایف برنامه ریزی را از جهت های ساده تر و سخت تر برای سنتز یک کار با یک منحنی دشواری نرم تر تکامل می دهد.نتایج ارزیابی حاصل از Agentboard نشان می دهد که AgentGen توانایی برنامه ریزی LLMS را تا حد زیادی بهبود می بخشد ، به عنوان مثال ، LLAMA-3 8B با دستورالعمل AgentGen در عملکرد کلی از GPT-3.5 پیشی می گیرد.علاوه بر این ، در برخی کارها ، حتی از GPT-4 نیز بهتر است.