AgentFounder浅析——Agent的演化历程与目标
Agent的目标以及对应的技术方案
Agent的推理目标
形式化的表达:
咱们首先来分析一下最开始大模型的功能，即仅根据
π
的内部知识和问题
q
采样出答案
o
o
∼
π
(
⋅
|
q
)
然而，模型
π
原有的内部知识可能不足以支撑回答
q
问题（没有训练过相关领域的数据），那么就需要引入外部知识
R
，也就是常见的RAG架构。RA 先根据
q
调用外部tool（向量数据库）得到一定的response（
R
），再一同输入到
π
中进行答案的生成。有效地缓解
π
在问题
q
上自身知识不足的问题，人为地注入了外部知识
R
；
此方法有效建立在
π
是否在
R
上有泛化性，即
π
是否会使用外部知识
R
。
R
←
f
(
q
)
o
∼
π
(
⋅
|
q
,
R
)
那好，新的问题又出现了，即使
π
会使用
R
，但是
R
是否真正能够帮助
π
解决
q
也是一个问题，
这个
R
仅依赖于问题
q
和事先设定好的工具
f
(
⋅
)
，也就是说在生成
R
时，并没有考虑到是否能帮助到后续的模型
π
因此应该在生成
R
时，也要依赖于
π
。
【
初
始
化
】
t
o
o
l
_
t
y
p
e
,
t
o
o
l
_
a
r
g
s
∼
π
(
⋅
|
q
)
【
获
得
工
具
输
出
】
R
i
←
f
(
t
o
o
l
_
a
r
g
s
;
t
o
o
l
_
t
y
p
e
)
【
迭
代
生
成
】
o
|
t
o
o
l
_
t
y
p
e
,
t
o
o
l
_
a
r
g
s
∼
π
(
⋅
|
q
,
R
1
,
.
.
.
,
R
i
)
因此，可以发现的是，
π
不仅仅要生成答案
o
，还需要学会工具调用来获取
R
以更好的执行后面的任务流程。
所以Agent的目标（需要的推理能力）分为三类
利用模型内部知识根据q生成第一步的planning。
t
o
o
l
_
t
y
p
e
,
t
o
o
l
_
a
r
g
s
∼
π
(
⋅
|
q
)
学会如何仅根据q构建完整的planning
利用模型内部知识+外部知识（R） 根据q生成下一步的工具调用/答案 的能力 （step-wise）
o
|
t
o
o
l
_
t
y
p
e
,
t
o
o
l
_
a
r
g
s
∼
π
(
⋅
|
q
,
R
)
学会 single-step下，如何根据需要的信息 选取工具
学会连续调用工具，理解工具间的调用关系，（traj-wise）
o
∼
π
(
⋅
|
q
,
R
1
,
R
2
,
.
.
.
)
学会在整体的traj维度下，协调多个工具之间的使用关系
对应来说：
局部
初始化
step-wise的单个工具point-wise的使用
整体
traj-wise的工具之间的协调调度
Agent的训练方案
训练目标需要和推理模型对齐。而训练目标体现在（1）数据集的构建方案（2）训练策略（loss）
那么Agent训练方案的是数据集构建+模型训练方式两个难点
数据构建
以上三类能力对应的数据集的构建
输入输出的pair对，参考公式即可
数据需要可扩展/高质量（因此优先在Web Brower 领域进行研究）
训练策略
使用sft教会模型前两种能力（planning生成、学会根据需要的信息选取工具）
使用rl教会模型最后一种能力（工具间的协调调用，因为此任务比较难学习，需要大量的探索以及较高的泛化性要求）
相较于传统的single-step的数据及其sft RL的训练方式
Agent的关键区别是给予了llm自主获取外界知识、与外界交互的能力。
因此，Agent的数据和训练目标 均服务于 如何使Agent学会更好的使用工具与外界交互，从而利用外界的信息更好地完成任务