De zéro à héros comment AutoGen façonne le domaine de la beauté et de la mode

De zéro à héros comment AutoGen révolutionne le monde de la beauté et de la mode

Qu’est-ce qu’AutoGen?

Autogen Microsoft est un projet de Microsoft qui vous permet de créer autant d’agents autonomes que vous le souhaitez et de les faire travailler ensemble pour accomplir des tâches. C’est un cadre qui permet aux agents, qui seront décrits ultérieurement, de communiquer entre eux et de résoudre des tâches. Il est flexible et permet aux personnes de faire des changements tout en utilisant différents outils.

Un agent est un mécanisme qui décide de ce qu’il faut faire ensuite et agit en fonction de cette décision. L’IA de jeu est également un type d’agent qui observe le plateau et réfléchit au prochain coup avant de jouer.

Dans le domaine de l’apprentissage par renforcement (rétroaction humaine), des approches d’apprentissage du comportement ont été utilisées pendant longtemps.

Récemment, en exploitant la flexibilité de LLM, nous pouvons maintenant planifier la prochaine étape sans apprentissage, grâce à des agents tels que AutoGPT et des interpréteurs de code.

De plus, le mécanisme de l’agent, tel que Langchain, est déjà en open source.

Cependant, bien que l’agent LLM donne la politique d’action via des indications, il a été difficile d’effectuer des tâches très complexes en raison des performances de LLM et des limitations des informations pouvant être fournies via les indications.

Par conséquent, en connectant plusieurs agents, nous pouvons espérer pouvoir exécuter des tâches plus difficiles qu’avec un seul agent.

Des exemples de tels mécanismes multi-agents incluent des mécanismes tels que Camel et ChatDEV.

Malgré l’existence d’un tel mécanisme dans un logiciel open source, sa construction à partir de zéro s’est avérée difficile.

En revanche, Autogen Python est un cadre conçu pour créer un système de conversation multi-agents complexe. Il offre des agents personnalisables et conversationnels, exploitant les meilleures capacités des LLM de pointe, et j’ai l’intention de l’essayer.

Essayons le problème FizzBuzz pour une démonstration simple.

Créons un code qui résout le problème le plus simple, exécutons-le, puis parcourons les étapes pour implémenter une correction simple.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Android 14 Plus de personnalisation, de contrôle et de fonctionnalités d'accessibilité

Android 14 est là avec des fonctionnalités personnelles, protectrices et accessibles qui mettent les utilisateurs au ...

AI

Améliorez la modération de contenu avec l'API de modération d'OpenAI

Avec l'avènement de l'ingénierie de prompt et les réalisations remarquables des grands modèles de langue dans la géné...

AI

Avancée dans l'intersection de la vision et du langage Présentation du projet Tout-Voyant

Alimentant la montée fulgurante des chatbots IA, les LLM sont le sujet de conversation. Ils démontrent des capacités ...

AI

Réglementation de l'IA japonaise - Aucune hypothèse ? ou Ne rien faire ?

Le parti pris est l'une des considérations récurrentes dans toutes les juridictions réglementaires concernant n'impor...

AI

Lettre de motivation générée par l'IA d'un diplômé de l'IIT laisse tout le monde en éclats de rire

Dans un retournement comique des événements, la tentative d’un diplômé de l’IIT (Institut indien de techn...

AI

Comment construire une base solide pour le leadership américain en matière d'IA

Google partage le rapport Construire une base sécurisée pour le leadership américain en IA.