https://arxiv.org/abs/2308.03427?utm_source=chatgpt.com
TPTU: Large Language Model-based AI Agents for Task Planning and Tool Usageは、LLM（大規模言語モデル）を活用したAIエージェントのタスク計画とツール使用能力に関する研究です。こでは、複雑なタスクを効果的に処理するために、LLMの生成能力だけでなく、タスク計画と外部ツールの使用を組み合わせる必要性が指摘されています。具体的LLMベースのAIエージェント向けの構造化フレームワークを提案し、その中で推論プロセスを実行するための「ワンステップエージェント」と「シーケンシャルエージェント」の2種類のエージェントを設計しています。さらに、こームワークを用いて、さまざまなLLMのタスク計画とツール使用（TPTU）能力を評価しています。 (arxiorg)
続編となる「TPTU-v2」では、実際のシステムにおけるタスク計画とツール使用に関つの主な課題に対処するための包括的なフレームワークが紹介されています。これらの課題には、APIの数が多すぎてすべてをLLMのプロンプトに含められないこと、複雑なタスクに対して適切なサブタスクの順序やAPI呼び出しの順序を計画する難しさ、そしてAPI間の類似性が高く区別が難しいことが含まれます。このフレームワークは、ユーザーのタスクに最も関連性の高いAPIを選択する「APIリトリーバー」、ベースとなるLLMをタスク計画とAPI呼び出しに適した形に微調整する「LLMファインチューナー」、および区別が難しいAPIに関連するデモンストレーションを適応的に取得し、インコンテキスト学習を通じて最終的なパフォーマンスを向上さ「デモセレクター」の3つの主要コンポーネント成ています。 (arxiv.org)
これらの研究は、LLMベースのAIエージェントが複雑なタスクを効果的に処理するためのタスク計画とツール使用能力を向上ことを目的としています。特に、外部ツールやAPIとの連携を強化することで、LLMの適用範囲を広げ、より高度な問題解決が可能になると期待されています。
