GAP: planificación de agentes basada en gráficos con uso de herramientas paralelas y aprendizaje por refuerzo
Resumen: Los agentes autónomos impulsados por grandes modelos de lenguaje (LLM) han demostrado capacidades impresionantes en la manipulación de herramientas para la resolución de tareas complejas. Sin embargo, los paradigmas existentes como ReAct se basan en el razonamiento y la ejecución secuenciales, sin explotar el paralelismo inherente entre subtareas independientes.
Leer más →