响应式 网站 设计软件,网站建设哪家好 北京,临沂企业建站,锦州网站建设品牌在人工智能领域#xff0c;我们正见证着一场革命性的变革。传统的AI助手#xff0c;如ChatGPT#xff0c;需要明确的指令才能执行任务。但现在#xff0c;清华大学联合面壁智能等团队提出了一种全新的主动式Agent交互范式——ProActive Agent#xff0c;它能够主动观察环境…在人工智能领域我们正见证着一场革命性的变革。传统的AI助手如ChatGPT需要明确的指令才能执行任务。但现在清华大学联合面壁智能等团队提出了一种全新的主动式Agent交互范式——ProActive Agent它能够主动观察环境、预判用户需求并在未被明确指示的情况下主动提供帮助。
安装步骤 克隆仓库并进入目录 bash git clone gitgithub.com:thunlp/ProactiveAgent
cd ProactiveAgent 创建并激活虚拟环境安装依赖 bash conda create -n activeagent python3.10
conda activate activeagent
pip install -r requirements.txt
配置步骤
复制配置文件示例并进行修改 bash cp example_config.toml private.toml 请根据您的实际情况修改private.toml文件中的default_completions_model、api_key和base_url等设置。
运行Proactive Agent
进入./agent目录按照README中的说明运行Proactive Agent。
资源链接
项目官网MimicTalk GitHubGitHub 仓库ProactiveAgent GitHubarXiv 技术论文技术论文链接Activity WatcherActivityWatch 官网
ProActive AgentAI交互的新纪元
ProActive Agent不再是简单的指令执行者而是升级成为了具有“眼力见”的智能助手。它能够主动观察环境、预判用户需求并在未被明确指示的情况下主动帮用户排忧解难。这一新范式下的Agent实现了从“被命令”到“会思考”的质的飞跃。 技术突破ProActive Agent的核心组件
ProActive Agent的技术原理包括三个核心组件
环境模拟器模拟特定环境为智能体的交互提供沙盒条件通过使用Activity Watcher软件采集的真实人类数据生成事件维护环境状态。主动智能体预测用户意图生成预测任务并在用户接受后执行任务。用户智能体模拟用户行为并对主动智能体的任务做出反馈通过奖励模型模拟人类标注员的判断过程。 ProActive Agent的应用场景
ProActive Agent在日常生活中有丰富的应用潜力。以下是一些预想可实现的场景
场景1在情侣聊天中ProActive Agent主动为女生定闹钟提醒起床。场景2ProActive Agent主动帮助用户存储文件并根据文件内容重命名。
ProActive Agent的实验研究
该研究通过采集不同场景下的人类活动数据构建了环境模拟器并构建了数据集ProactiveBench。通过训练模型获得了与人类高度一致的奖励模型并比对了不同模型在数据集下的性能。
ProActive Agent的性能评估
在性能评估方面研究团队提出了一套度量方式衡量奖励模型和人工标注员的一致性包括需求遗落(MN)、静默应答(NR)、正确检测(CD)和错误检测(FD)。在这四个度量方式上进行召回率、精确度、准确度和F1分数的计算从结果上看所有的现有模型都在正确检测上表现良好但对于其他指标则性能较差。现有模型倾向于接受智能体的任务尽管可能毫无助益。相对的该研究训练的模型性能最优因此被选为ProActiveBench的奖励模型。 结语
ProActive Agent的提出有望将AI从被动的工具转变为具有洞察力和主动帮助的智能协作伙伴开启人机交互的新范式。这一技术革新不仅将改变我们与AI的互动方式更有望为大众群体创造更加包容和便利的智能化生活环境。
感谢您的阅读如果您对ProActive Agent或AI的未来发展有任何想法或见解欢迎在评论区留言讨论。 BuluAI算力平台现已上线再也不用为算力发愁嘞详情点击官网了解吧~
