7B的模型也能玩轉(zhuǎn)AI Agents了？近期，快手開源了Kwai Agents，親測發(fā)現(xiàn)，問它周末滑雪問題，它不但能幫你找到場地，連當天的天氣都幫你考慮周到了。

大語言模型（LLM）通過對語言的建模而掌握了大量知識，并具備一定認知和推理能力。但由于無法跟世界保持實時的交互，在單獨使用的情況下，常會出現(xiàn)一本正經(jīng)地胡說八道的現(xiàn)象。而AI Agents就是解決這個問題的道路之一，它通過激發(fā)大模型任務規(guī)劃、反思、調(diào)用工具等能力，使大模型能夠借助現(xiàn)實世界工具提升生成內(nèi)容的準確性，甚至有能力解決復雜問題。

據(jù)了解，KwaiAgents是一個先進的AI智能體系統(tǒng)，由快手聯(lián)合哈爾濱工業(yè)大學研發(fā)，通過使用大型語言模型來模仿人類認知技能，可應用于自然語言處理、語音識別等領域。Kwai Agents可以使7B/13B的“小”大模型也能達到超越GPT-3.5的效果，目前該項目已將系統(tǒng)、模型、數(shù)據(jù)、評測全部開源，使得更多的研究人員可以參與其中。

技術報告：https://arxiv.org/abs/2312.04889

項目主頁：https://github.com/KwaiKEG/KwaiAgents

從「KwaiAgents」的Github主頁中可以看到，本次開源內(nèi)容包含：

1.系統(tǒng)（KAgentSys-Lite）：輕量級AI Agents系統(tǒng)，并配備事實、時效性工具集；

2.模型（KAgentLMs）：Meta-Agent Tuning后，具有Agents通用能力的系列大模型及其訓練數(shù)據(jù)；

3.評測（KAgentBench）：開箱即用的Agent能力自動化評測Benchmark與人工評測結(jié)果。

KAgentBench通過人工精細化標注的上千條數(shù)據(jù)，做到了開箱即用，讓大家能夠用一行命令評測一個大模型在不同模板下，各方面的Agents能力。下表顯示了經(jīng)過快手團隊調(diào)優(yōu)后，7B-13B模型各項能力的提升，且超越了GPT-3.5的效果：

同時，作者們還請人類標注者在200個事實性和時效性的問題（如“劉德華今年幾歲了”），對不同的大模型和Agent系統(tǒng)進行了交叉評估，可以看到KAgentSys系統(tǒng)和MAT之后模型提升顯著（百分號前為正確率，括號內(nèi)為5分制均分）。

通常僅依賴網(wǎng)頁搜索對一些長尾問題和熱門問題返回結(jié)果不佳。比如問到“安東內(nèi)拉比梅西大多少天？”這類長尾問題，往往搜索結(jié)果返回的都是一些兩者的八卦新聞，而返回不了一些關鍵信息。而KAgentSys 通過調(diào)用百科搜索工具獲取精準的出生日期，再調(diào)用time_delta時間差工具算出年齡差，就能精準回答這個問題了。

快手技術人員表示，AI Agents是一條非常有潛力的道路，未來一方面會在這個方向持之以恒地沉淀核心技術，并為整個社區(qū)不斷地注入新的活力；另一方面，也會積極探索Agents技術與快手業(yè)務的結(jié)合，嘗試更多有趣、有價值的創(chuàng)新應用落地。