Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2406.06469v1

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.06469v1 (cs)
[提交于 2024年6月10日 ]

标题: 哈斯基:一种统一的、开源的语言代理,用于多步骤推理

标题: Husky: A Unified, Open-Source Language Agent for Multi-Step Reasoning

Authors:Joongwon Kim, Bhargavi Paranjape, Tushar Khot, Hannaneh Hajishirzi
摘要: 语言代理通过使用工具精确执行每一步来完成复杂任务。 然而,大多数现有的代理基于专有模型或设计用于特定任务,例如数学或多跳问答。 我们介绍了Husky,一个全面的开源语言代理,它学习在统一的动作空间中进行推理,以解决涉及数值、表格和基于知识推理的多样化复杂任务。 Husky在两个阶段之间迭代:1)生成为解决给定任务而采取的下一步动作,2)使用专家模型执行该动作并更新当前解决方案状态。 我们确定了一个全面的动作本体论,用于解决复杂任务,并整理了高质量的数据来训练执行这些动作的专家模型。 我们的实验表明,Husky在14个评估数据集上优于先前的语言代理。 此外,我们引入了HuskyQA,一个新的评估集,它对语言代理进行混合工具推理的压力测试,重点在于检索缺失的知识和执行数值推理。 尽管使用了7B模型,Husky在这些任务上的表现与甚至超过了GPT-4等前沿语言模型,展示了我们全面方法在解决复杂推理问题方面的有效性。 我们的代码和模型可在https://github.com/agent-husky/Husky-v1获取。
摘要: Language agents perform complex tasks by using tools to execute each step precisely. However, most existing agents are based on proprietary models or designed to target specific tasks, such as mathematics or multi-hop question answering. We introduce Husky, a holistic, open-source language agent that learns to reason over a unified action space to address a diverse set of complex tasks involving numerical, tabular, and knowledge-based reasoning. Husky iterates between two stages: 1) generating the next action to take towards solving a given task and 2) executing the action using expert models and updating the current solution state. We identify a thorough ontology of actions for addressing complex tasks and curate high-quality data to train expert models for executing these actions. Our experiments show that Husky outperforms prior language agents across 14 evaluation datasets. Moreover, we introduce HuskyQA, a new evaluation set which stress tests language agents for mixed-tool reasoning, with a focus on retrieving missing knowledge and performing numerical reasoning. Despite using 7B models, Husky matches or even exceeds frontier LMs such as GPT-4 on these tasks, showcasing the efficacy of our holistic approach in addressing complex reasoning problems. Our code and models are available at https://github.com/agent-husky/Husky-v1.
评论: 50页,42图。项目网页可用 [这里](https://agent-husky.github.io/)
主题: 人工智能 (cs.AI) ; 计算与语言 (cs.CL); 机器学习 (cs.LG)
引用方式: arXiv:2406.06469 [cs.AI]
  (或者 arXiv:2406.06469v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.06469
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Joongwon Kim [查看电子邮件]
[v1] 星期一, 2024 年 6 月 10 日 17:07:25 UTC (1,337 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs
cs.CL
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号