Language Agents as Optimizable Graphs

各种人工设计的提示工程技术已被提出，以改进基于大语言模型（LLMs）的问题解决器，从而产生许多不同的代码库。我们通过将基于LLM的代理描述为计算图，来统一这些方法。节点实现处理多模态数据或查询LLMs的功能，边描述操作之间的信息流。图可以递归地组合成更大的复合图，表示不同代理之间的层次协作（其中边连接不同代理的操作）。我们的新型自动图优化器（1）通过优化节点级LLM提示（节点优化），(2)通过改变图连接性来改善代理编排（边优化）。实验证明，我们的框架可用于高效地开发、集成和自动改进各种LLM代理。代码可以在https://github.com/metauto-ai/gptswarm找到。

本论文旨在解决基于大型语言模型（LLM）的问题解决器的设计问题，提出了一种新的图形框架来描述LLM代理，并通过自动图形优化器来改善代理的性能。

论文的关键思路是将LLM代理看作计算图，并使用自动图形优化器来改善节点级别的LLM提示和代理之间的图形连接，以提高LLM代理的性能。

论文提出了一种新的图形框架来描述LLM代理，并使用自动图形优化器来改善代理的性能。实验结果表明，该框架可以有效地开发、集成和自动改善各种LLM代理。论文提供了开源代码，代码链接在https://github.com/metauto-ai/gptswarm。

最近的相关研究包括使用LLM的自然语言处理和生成任务，如GPT-3和T5等。