💻 Код • 📃 Бумага • 🤗 Данные (CodeActInstruct) • 🤗 Модель (CodeActAgent-Mistral-7b-v0.1) • 🤖 Чат с CodeActAgent! Мы предлагаем использовать исполняемый код Python для консолидации действий агентов LLM в единое пространство действий (CodeAct). CodeAct, интегрированный с интерпретатором Python, может выполнять действия кода и динамически пересматривать предыдущие действия или генерировать новые действия при новых наблюдениях (например, результатах выполнения кода) посредством многошаговых взаимодействий. Наш обширный анализ 17 LLM в API-Bank и недавно созданного теста M3ToolEval показывает, что CodeAct превосходит широко используемые альтернативы, такие как Text и JSON (коэффициент успеха до 20 % выше). Пожалуйста, ознакомьтесь с нашей статьей для более подробного анализа! !Сравнение CodeAct и Text/JSON Сравнение CodeAct и Text/JSON как действия. !Сравнение CodeAct и Text/JSON Количественные результаты сравнения CodeAct и {Text, JSON} в M3ToolEval. Мы собираем набор данных для настройки инструкций CodeActInstruct, который состоит из 7 тысяч многооборотных взаимодействий с использованием CodeAct. Набор данных опубликован в наборе данных HuggingFace 🤗. Пожалуйста, обратитесь к документу и этому разделу для получения подробной информации о сборе данных. !Статистика данных Статистика набора данных. Статистика токенов рассчитывается…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: xingyaoww
Теги: mistral, llm-agent, conversational, en, text-generation-inference, endpoints_compatible
Лайков: 38 | Загрузок: 84
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
