aiwaves-cn/agents

• [2024-06-25] 에이전트 학습 및 평가 지원을 추가한 기존 라이브러리의 주요 업데이트인 Agents 2.0을 출시합니다.

에이전트 기호 학습 (Agent symbolic learning)은 신경망 (neural nets) 학습에 사용되는 연결주의 학습 (connectionist learning) 절차에서 영감을 얻은 언어 에이전트 학습을 위한 체계적인 프레임워크입니다. 우리는 언어 에이전트와 신경망 사이의 유추를 시도합니다. 즉, 에이전트의 에이전트 파이프라인 (agent pipeline)은 신경망의 계산 그래프 (computational graph)에 대응하고, 에이전트 파이프라인의 노드 (node)는 신경망의 레이어 (layer)에 대응하며, 노드의 프롬프트 (prompts)와 도구 (tools)는 레이어의 가중치 (weights)에 대응합니다. 이러한 방식을 통해, 우리는 언어 기반의 손실 (loss), 그래디언트 (gradients), 가중치 (weights)를 사용하여 에이전트 학습 맥락에서 연결주의 학습의 주요 구성 요소인 역전파 (backward propagation) 및 그래디언트 기반 가중치 업데이트 (gradient-based weight update)를 구현할 수 있습니다.

우리는 정교하게 설계된 프롬프트 파이프라인 (prompt pipelines)을 통해 에이전트 학습 맥락에서 손실 함수 (loss function), 역전파 (back-propagation), 그리고 가중치 옵티마이저 (weight optimizer)를 구현합니다. 학습 예제의 경우, 우리 프레임워크는 먼저 "순전파 (forward pass)"(에이전트 실행)를 수행하고 각 노드의 입력, 출력, 프롬프트, 도구 사용을 "궤적 (trajectory)"에 저장합니다. 그런 다음 프롬프트 기반 손실 함수를 사용하여 결과를 평가하며, 이는 "언어 손실 (language loss)"로 이어집니다. 그 후, 궤적을 따라 마지막 노드에서 첫 번째 노드까지 언어 손실을 역전파하며, 각 노드 내의 기호 구성 요소 (symbolic components)에 대한 텍스트 분석 및 성찰을 도출하는데, 이를 언어 그래디언트 (language gradients)라고 부릅니다. 마지막으로, 또 다른 정교하게 설계된 프롬프트를 사용하여 언어 그래디언트에 따라 각 노드의 모든 기호 구성 요소와 노드 및 연결로 구성된 계산 그래프를 업데이트합니다. 우리의 접근 방식은 또한 노드를 서로 다른 에이전트로 간주하거나 하나의 노드에서 여러 에이전트가 행동을 취할 수 있도록 함으로써 멀티 에이전트 시스템 (multi-agent systems)의 최적화를 자연스럽게 지원합니다.

git 리포지토리 브랜치로부터 설치:

pip install git+https://github.com/aiwaves-cn/agents@master

로컬 개발을 위한 설치:

로컬 개발을 위한 설치:

git clone -b master https://github.com/aiwaves-cn/agents
cd agents
pip install -e .

저희 저장소(repository)가 연구에 유용했다면, 다음 인용을 고려해 주시면 감사하겠습니다:

@article{zhou2024agents2,
title={Symbolic Learning Enables Self-Evolving Agents},
author={Wangchunshu Zhou and Yixin Ou and Shengwei Ding and Long Li and Jialong Wu and Tiannan Wang and Jiamin Chen and Shuai Wang and Xiaohua Xu and Ningyu Zhang and Huajun Chen and Yuchen Eleanor Jiang},
...}