大模型学习笔记十四:Agent模型微调
文章目录
- 学习目的
1、理解什么情况下需要训练一个具备Agent能力的模型?
2、如何训练一个具备Agent能力的模型?重点是训练数据的构建
3、如何评测Agent能力?
4、如何提升模型的泛化性?
一、大模型需要Agent技术的原因
-
需求
1、帮我查一下今天的销售额?
2、(开车时)前方为啥堵车了?
3、刘德华多少岁了
4、请帮我约一个和搜索产品部的需求沟通会,本周三至周五我日历上空闲的时间都可以;
5、帮我订一张周五去上海的机票 -
原因
1、大模型的“幻觉”问题,很难在从模型本身上彻底解决,在严肃的应用场景需要通过引入外部知识确保答案
的准确;
2、大模型参数无法做到实时更新
,本身也无法与真实世界产生实时连接,在多数场景下难以满足实际需求;
3、复杂的业务场景需要 -
大模型技术框架回顾
二、Prompt Engineering可以实现Agent吗?
-
回答
可以,前面弄的AutoGPT就是例子。除了AutoGPT外,还有ReACT、ModelScope、ToolLLaMA等不同的形式。 -
主流Agent prompt的比较
三、既然AutoGPT可以满足需求,为什么要额外训练一个Agent模型?
- 解答
1、很多场景下无法使用大模型API,需要私有化部署;
2、实践证明,除了GPT4 level的大模型,其他大模型(包括GPT3.5)无法很好遵从prompt要求完成复杂的Agent任务;
3、通过训练,一个小参数量的大模型(13B、7B等)也能达到较好的能力,更加实用
四、怎么去训练一个Agent模型?
- 目标
攀登背景最高峰,帮忙做个规划 - 规划图
1)数据准备和处理
2)模型训练
3)模型效果评估
五、如何提高Agent的泛化性?
1)Meta-Agent
2)训练数据构建
六、开源项目介绍
七、总结
1、Agent Tuning 的主要动机是训练大模型的 Agent 能力,尤其是希望通过训练让小参数量模型也能具备特定业务场景的 Agent 能力;
2、Agent Prompt 可以有不同的描述方式,通常包括Profile、Instruction、Tools、Format、Memory、Goal
等部分;
3、可以采用自动评估和人工评估相结合的方法来评估 Agent 能力;
4、采用 Meta-Agent 方法可以构建多样性的 Agent Prompt 模板,再结合Query、Tools的多样化,可以训练出能力更加泛化的模型
原文地址:https://blog.csdn.net/weixin_43679037/article/details/140644780
免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!