清華智能體宇宙火了，AI模擬“囚徒困境”等實驗只需幾行簡單配置

豐色 2023-09-12 16:59:44 來源：量子位

豐色 發自 凹非寺

量子位 | 公眾號 QbitAI

可以輕松模擬社會實驗的多智能體宇宙來了——

它由清華大學聯合北郵、微信團隊推出，目前已在GitHub攬獲1.1k標星。

名字簡單粗暴，就叫“AgentVerse”。

劃重點：這個環境專門針對大語言模型開發，也就是智能體們可以運用LLM的能力完成任務。

而只需幾行簡單配置，你想讓智能體們在什么環境出生，就能在什么環境成長。

比如“囚徒困境”：

獄警向兩個嫌疑人agent提出一個兩難挑戰，讓他們自己決定是合作互惠還是背叛。

比如“NLP課堂”：

教授通過文字形式授課，學生agent通過有問題時舉手、被點名之后方可發言提問的方式，一步步學會知識。

甚至，還能模擬簡單的寶可夢游戲…而且還是用戶可以直接參與進去的那種：

（通過輸入文本進行對話）

要啥有啥，全憑你自己發揮。

作者也表示，這個項目的初衷就是簡化大伙兒用LLM構建自定義多智能體環境的過程，讓大家能夠專注于研究本身。

目前，AgentVerse的論文已經發布，源碼也在路上了。

趕緊來瞧瞧。

4個階段、5大基礎組件

正如AgentVerse專為大模型開發，如今人類訓練智能體的效果正是在各種LLM的加持下，跟著進步了很多，比如更強的泛化能力。

不過，就和現實世界一樣，即使有LLM助力，學會合作也是這些智能體們必須要經歷的一件事。

在此，作者提出了多智能體環境構建框架AgentVerse。

它的工作流程模擬了人類合作解決問題的過程，一共分為4個階段：

1、專家招募（Expert Recruitment）。

根據當前問題解決進度調整由那些agent來處理任務。

2、討論合作策略（Collaborative Decision）。

由上一階段招募的agent討論解決問題所需的分工，需要達成共識。

3、執行（Action Execution）

agent們與環境進行交互，完成任務。

4、評估（Evaluation）

任務完成后，此模塊將當前狀態與期望目標進行比對，如果沒有達到預期就發送反饋獎勵重新回到第一步驟。

如開頭提到，AgentVerse框架的亮點之一就是可以實現自定義環境配置。

那么如何自定義？

方法是通過5個基礎組件。

每一個組件代表的其實是一個規則，組合不同的規則就可以搭建出不同的環境，從而方便研究人員研究不同條件下智能體的行為。

具體來看，這5個組件分別是：

• 描述器（Describer），它為每個agent提供每次環境的描述。通過自定義該組件，你就能根據你自己的特定要求來構建環境。
• 順序（Order），它定義agent在環境中采取操作的順序，可以采用幾個默認選項，比如random（隨機）、sequential（按順序）和concurrent（所有agent在每個回合中都采取行動），也可以自定義。
• 選擇器（Selector），有時agent會生成一些無效信息，它就用于過濾這些信息，選擇有效內容。
• 更新器（Updater），用于更新每個agent的內存。這是因為有時某個agent的響應不應被所有agent看到（比如不在一個房間），它的作用就是在每個響應發生后，僅更新每個agent應看到內容。
• Visibility（可見性），用于維護agent列表，每當有agent移動到另一個房間或者產生其他變化時，它會向所有agent更新列表。

除了這5個基礎組件，AgentVerse還有一個非?；A的元素：agent。

目前，系統提供兩種類型：一個是ConversationAgent，一個是ToolAgent，含義如其名。

當然，通過繼承BaseAgent類我們還能定制第三種，以及更多類型代理。

如何配置？

手動clone或者pip命令即可安裝AgentVerse。

需要注意的是，得準備一個OpenAI API密鑰，以及安裝BMTools（可選，如果你需要它提供的各種擴展工具）。

如上準備就緒后：
1、我們可以直接運行他們搭好的例子。

除了開頭展示的“囚徒困境”、NLP課堂、寶可夢游戲，還有軟件設計場景（1個寫代碼的agent、1個測試agent、1個審查agent）、數據庫管理場景和文本評估場景。

值得注意的是，在NLP課堂這個主題上，作者提供了非常多的環境可選：

除了開頭展示的那個可進行提問操作的case，還有可以發起小組討論、學生在聽課時使用必應進行搜索、用WolframAlpha API玩算術游戲等等。

2、自己動手搭一個。

自己動手可以先來一個簡單的，比如構建一個只有1名教授、1名學生和1個助教的課堂環境。

首先創建任務目錄并配置環境，也就是上面介紹的5個基礎組件配置：

然后是配置agent，下面是教授的示例：

可以看到agent類型、名字、所用LLM類型等信息。

最后編寫輸出解析器，服務gent的響應，比如可以讓模型在提示模版中以下格式輸出：

以上就是一個簡單教室環境的大概流程了。

以看到步驟并不復雜，當然，具體操作還是參閱項目原文。

如果你覺得這種太簡單，也可以定制一個更復雜的。但具體教程還沒出（據說很快了）。

從作者提前透露的信息來看，大體也還是圍繞五個基本組件、環境本身和agent來進行。

另外，AgentVerse未來還會新增一些強大功能，比如支持本地LLM、添加文檔等等，可以期待。

One More Thing

在論文中，作者也對AgentVerse環境構建的多智能體協作任務中，agent出現的一些社會行為進行了研究。

這些行為包括：

（1）積極行為，比如在我的世界游戲中，提出和別的agent一起收集甘蔗加快造紙進度，或者幫還沒完成毛皮收集的人一起收集；

（2）消極行為，比如從眾、搞破壞。

在此，作者也討論了一些可能的策略，用于復用積極行為、摒棄消極行為，最終提高多智能體間的合作能力。

感興趣的讀者可以進一步查閱論文。

項目地址：
https://github.com/OpenBMB/AgentVerse
論文地址：
https://arxiv.org/abs/2308.10848