发布日期：2024-11-24 08:36 点击次数：106
新智元报说念迪士尼彩乐园2代理
裁剪：英智 桃子
【新智元导读】AI如故好像自主科研了！AMD霍普金斯祭出「智能化践诺室」不仅能零丁完成文献调研到论文撰写全进程责任，还能将连络本钱暴降84%。
AI离自主科研，果然越来越近了！
最近，Hyperbolic联创Jasper Zhang在采访中称，AI智能体如故不错自主租用GPU，诈欺PyTorch进行开垦了。
其实，在科研方面，AI智能体亦然一把妙手。
只有脑海里有科研的奇念念妙想，一份高质料的连络贯通致使连代码，皆能很快呈目前你目下。
这不，AMD联手霍普金斯打造出的一款「智能体践诺室」，一刹在全网爆火。
这个超牛的AI系统，代号叫作念Agent Laboratory，全程靠LLM驱动！
从文献综述开赴点，到开展践诺，再到临了生成贯通，就像一位不知疲困的科研小妙手，一站式措置统统这个词科研进程。
Agent Laboratory由LLM驱动的多个专科智能体构成，自动处理编码、文档编写等重叠耗时的任务。
在连络的每个阶段，用户皆不错提供反馈与指点。Agent Laboratory旨在助力连络东说念主员完了连络创意，加快科学发现，提高连络效能。
论文地址：https://arxiv.org/abs/2501.04227
连络发现：
由o1-preview驱动的Agent Laboratory产出的连络效能最好；
与现存秩序比拟，Agent Laboratory生成的代码达到先进水平；
东说念主类在各阶段提供的反馈，权臣种植了连络的举座质料；
Agent Laboratory大幅裁汰连络用度，与传统连络秩序比拟，用度减少了84%。
Agent Laboratory有三个时弊阶段：文献综述、践诺设想和贯通撰写。
由LLM驱动的专科智能体（如博士、博士后等）协同责任，承担文献综述、践诺规画、数据准备和放胆证据等责任。这些智能体还会集成arXiv、Hugging Face、Python和LaTeX等外部器具，来优化放胆。
文献综述
文献综述阶段，旨在网罗、整理与给定连络主题关连的论文，为后续连络提供参考。
在这个过程中，博士智能体借助arXiv API检索关连论文，并引申三个主要操作：摘要、全文和添加论文。
摘要：从与启动查询关连的前20篇论文中提真金不怕火摘要
全文：提真金不怕火特定论文的圆善实质
添加论文：将遴选的摘要或全文纳入到文献综述
该过程并非一次性完成，而是迭代进行。智能体屡次引申查询，依据论文实质评估其关连性，筛选出合适的论文，构建全面的文献综述。
当通过「添加论文」号令达到指定数目（N=max）的关连文献后，文献综述才会完成。
践诺要道
践诺要道包括制定规画、数据准备、运行践诺和放胆证据。
制定规画
在这个阶段，依据文献综述和连络规画，智能体需要制定一份驻扎且可行的连络规画。
博士和博士后智能体通过对话合营，明确连络秩序，比如要接受哪些机器学习模子、使用什么数据集，以及践诺的主要秩序。
达成一致后，博士后智能体通过「规画」号令提交该规画，看成后续子任务的行为指南。
数据准备
在此阶段，ML工程师智能体负责引申Python号令来运行代码，为践诺谋划可靠的数据。该智能体有权限看望 HuggingFace数据集。
代码完成后，ML工程师智能体通过「提嘱咐码」号令提交。在厚爱提交前，代码会先经过Python编译器查抄，确保不存在编译问题。若代码有失误，这个过程将反复进行，直至代码无误。
运行践诺
在运行践诺阶段，ML工程师智能体借助mle-solver模块来引申之前制定的践诺规画。
mle-solver是一个专门的模块，主邀功能是自主生成、测试以及优化机器学习代码，其责任进程如下：
A. 号令引申
在号令引申阶段，启动轨范是从事先照应的高性能轨范中及第的。
mle-solver通过「REPLACE」和「EDIT」这两个操作，对这个轨范进行迭代优化。
「EDIT」操作会遴选一系列行，用重生成的代码替换指定的实质。「REPLACE」操作会奏凯生成一个全新的Python文献。
B. 代码引申
引申代码号令后，编译器会查抄新轨范在运行时是否存在失误。
若轨范生效编译，系统会给出一个得分。若该得分高于现存轨范，顶级轨范列表就会更新。
如若轨范编译失败，智能体就会尝试缔造代码，最多尝试3次。如果缔造失败，就会复返失误教导，再行采用或生成代码。
怀孕八个月，小谢再次被家暴，用刀用砂锅，一次比一次狠，一次比一次严重，小谢终于忍无可忍，迪士尼彩乐园总代提出离婚。
前两天的节目里，葛夕直言她已经将近三年没有性生活了。
C. 轨范评分
通过基于LLM奖励模子对编译生效的代码打分，评估mle-solver生成的机器学习代码的有用性。
该奖励模子会依据连络规画、生成的代码以及不雅察到的输出，对轨范进行评分，评分畛域是0到1。得分越高，标明轨范好像更有用地完了连络规画。
D. 自我反念念
无论代码运行生效与否，mle-solver皆会依据践诺放胆或者失误信号进行反念念。智能体会念念考每个秩序，勤快优化最终放胆。
如果轨范编译失败，求解器就会琢磨下一次迭代时该何如解决这个问题。如若代码生效编译且有特出分，求解器则会念念考若何提高这个分数。这些反念念旨在匡助系统从失误中学习，并在后续迭代中提高代码质料和建壮性。
E. 性能建壮化
为幸免性能出现波动，接受了两种机制：顶级轨范采样和批量并行化。这两种战略在探索新解决决策和优化现存决策之间找到均衡，让代码修悔改程愈加建壮 。
顶级轨范采样：指照应一组评分最高的轨范。在引申号令前，会从这组轨范中立地挑选一个，既能保证轨范的各样性，又能确保质料。
批量并行化：求解器每进行一步操作，皆会同期对轨范作念出N次修改，然后从这些修改中挑选出评分最高的，去替换顶级蚁合里评分最低的轨范。
连络者在MLE-bench的10个ML挑战中单独评估了mle-solver。mle-solver长久优于其他求解器，取得了更多奖牌，并在10个基准中的6个中达到了高于中位数的东说念主类弘扬。
解开释手
在此阶段，博士和博士后智能体一同讨论对mle-solver得出的践诺放胆的意会，旨在从践诺放胆中提真金不怕火出有价值的视力。
当他们就某个特意旨的证据达成共鸣，且合计该证据能为学术论文增添价值时，博士后智能体便和会过「证据」号令提交该证据，为后续的贯通撰写提供支援。
撰写连络贯通
贯通写稿阶段，博士和教养智能体负责把连络效能整理成一份圆善的学术贯通。这一过程借助名为paper-solver的模块，来迭代生成并完善贯通。
paper-solver并非要透澈取代学术论文的写稿过程，而所以东说念主类易于意会的体式，对已完成的连络效能进行回想。
该模块生成的贯通解雇学术论文的圭臬结构。paper-solver模块的责任进程如下：
A. 启动贯通框架
paper-solver的首要任务是生成连络论文的启动框架。该框架框架解雇学术范例，接受了LaTeX编译所需的体式，生成的论文能奏凯参加审阅和修改要道。
B. ArXiv连络
paper-solver可按文献综述接口看望arXiv，探索与现时撰写主题关连的文献，还不错查找可援用的论文。
C. 贯通裁剪
使用「EDIT」号令，对LaTeX代码进行迭代和修改，确保论文与连络规画相符、论点了了且知足体式条款。
D. 论文审阅
这个系统借助基于LLM的代理，模拟科学论文的审阅过程，解雇NeurIPS会议的审稿指南对论文进行评估。
E. 论文完善
在论文修改阶段，凭证三个评审代理给出的反馈宗旨，博士智能体负责决定论文是需要更正。这一过程好像捏续优化连络贯通，直至达到较高圭臬。
赞助驾驶形态
Agent Laboratory有两种运行形态：自主形态和赞助驾驶形态。
自主形态下，用户仅需提供启动连络念念路，而后统统这个词过程透澈无需东说念主工干豫。每完成一个子任务，系统便会自动按法例鼓吹至下一个子任务。
赞助驾驶形态下，通常是先提供连络念念路。不同的是，每个子任务驱散时设有查抄点。在这些查抄点，东说念主工审阅者会对代理在该阶段的责任效能（如文献综述回想、生成的贯通等）进行审阅。
东说念主工审阅者有两个采用：一是让系统接续鼓吹到下一个子任务；二是条款代理重叠现时子任务，并给出改进淡薄，助力代理在后续尝试中弘扬更佳。
o1-preview总分最高
通过比较15篇由10位博士审阅的论文，连络者分析了3个LLM（gpt-4o、o1-mini、o1-preview）在践诺质料、贯通质料和实用性方面的弘扬。东说念主类评审者使用NeurIPS作风的圭臬来评估论文。
o1-preview的总分最高（4.0/10），其次是o1-mini（3.8）和gpt-4o（3.5）。o1-preview在实用性和贯通质料方面弘扬出色，o1-mini在质料上卓著。
而在进击性和孝敬这两项上，统统模子的弘扬皆较为庸俗，这反应出模子在原创性和影响力方面存在局限。
统统模子的得分均低于NeurIPS的平平分，标明生成的论文在时刻性和秩序论的严谨性上权臣不及。突显了进一步优化Agent Laboratory的必要性，让其生成的实质恰当高质料出书物的圭臬。
在赞助驾驶形态下，连络东说念主员对论文的实用性（3.5/5）、延续性（3.75/5）、惬意度（3.63/5）和可用性（4.0/5）进行了评分。赞助驾驶形态下的论文质料从3.8/10提高到4.38/10。
运行时分和本钱分析露馅，gpt-4o的规画效能和本钱效益最好，完成时分为1165.4秒，本钱为2.33好意思元，优于o1-mini（3616.8秒，7.51好意思元）和o1-preview（6201.3秒，13.10好意思元）。
贯通撰写是本钱最高的阶段，尤其是o1-preview（9.58好意思元）。
Agent Laboratory的出现，无疑是科研畛域的一次首要创新，展现了AI在助力科研上的稠密后劲。
尽管它还存在一些需要完善的地方，如生成论文在某些方面与高质料出书物圭臬尚有差距，但它所带来的高效、浅薄以及新念念路，如故让咱们看到了夙昔科研发展的新场地。
参考贵府：
https://arxiv.org/pdf/2501.04227
https://x.com/SRSchmidgall/status/1877164749668102233
https://agentlaboratory.github.io/
上一篇：没有了
下一篇：迪士尼彩乐园官方地址 婴儿服装检测敷陈及检测条目参考（CMA/CNAS检测中心）/2025