华盛顿大学、 Meta AI和艾伦人工智能研究所的研究人员推出多步推理语言代理HUSKY，它是一个统一的、开源的语言模型，能够处理涉及数值、表格和基于知识的复杂推理任务。HUSKY通过迭代地生成和执行行动来解决给定的任务，直到达到终端状态。例如，你是一个学生，需要解决一个复杂的数学问题，比如计算两个州在地图上的面积差异。HUSKY首先会使用搜索工具查找这两个州的实际面积，然后使用代码工具来计算它们在特定比例尺地图上的面积差异，最后数学工具将用于得出最终答案。整个过程是自动化的，HUSKY会逐步生成和执行所需的行动，直到问题得到解决。
- 项目主页：https://agent-husky.github.io
- GitHub：https://github.com/agent-husky/Husky-v1
- 模型地址：https://huggingface.co/agent-husky
主要功能：
- 解决需要多步推理的复杂问题，如数学问题、需要查找信息的问题和基于常识的推理。
主要特点：
- 开源模型： HUSKY基于开源模型构建，易于扩展和修改。
- 统一行动空间： 它使用统一的行动空间来解决多种类型的任务。
- 高性能： 在多个评估数据集上，HUSKY的表现超过了以前的语言代理。
工作原理：
HUSKY的工作流程分为两个阶段：
- 行动生成： 行动生成器预测下一步行动和要使用的相应工具。
- 行动执行： 根据行动生成器的预测，使用专家模型执行行动并更新当前的解决方案状态。
HUSKY使用不同的工具来执行行动，这些工具包括代码生成器（[code]）、数学推理器（[math]）、查询生成器（[search]）和常识推理器（[commonsense]）。这些工具与行动生成器协同工作，以解决复杂的任务。
具体应用场景：
- 教育： 辅助解决数学和科学问题，提供逐步的解题过程。
- 研究： 在需要大量文献搜索和数据分析的研究领域中应用。
- 日常任务辅助： 帮助用户解决需要多步骤推理的复杂问题，如规划旅行或预算管理。
0条评论