Key points are not available for this paper at this time.
Auto-GPT هو وكيل مستقل يستفيد من التقدمات الأخيرة في تكييف نماذج اللغة الكبيرة (LLMs) لمهام اتخاذ القرار. بينما كان هناك اهتمام متزايد بوكلاء بأسلوب Auto-GPT، تبقى تساؤلات حول فعالية ومرونة Auto-GPT في حل مهام اتخاذ القرار في العالم الحقيقي. تسهم قدرته المحدودة على التفاعل في العالم الحقيقي وغياب المعايير في هذه الشكوك. في هذه الورقة، نقدم دراسة شاملة للمعايير لوكلاء بأسلوب Auto-GPT في مهام اتخاذ القرار التي تحاكي سيناريوهات العالم الحقيقي. هدفنا هو الحصول على رؤى أعمق في هذه المشكلة وفهم تكيف وكلاء مستندين إلى GPT. نقارن أداء نماذج اللغة الكبيرة الشائعة مثل GPT-4، GPT-3.5، Claude، و Vicuna في مهام اتخاذ القرار بأسلوب Auto-GPT. علاوة على ذلك، نقدم خوارزمية الآراء الإضافية، وهي طريقة سهلة وفعالة تدمج المتعلمين المستندين إلى الإشراف / التقليد في نظام Auto-GPT. تتيح هذه الطريقة التعلم تحت الإشراف خفيف الوزن دون الحاجة إلى ضبط النماذج الأساسية. نثبت من خلال مقارنات دقيقة مع الخطوط الأساسية ودراسات الاستبعاد أن خوارزمية الآراء الإضافية تعزز الأداء بشكل كبير في معايير اتخاذ القرار عبر الإنترنت، بما في ذلك WebShop و ALFWorld.
درس يانغ وآخرون (Sun،) هذا السؤال.