Husky: A Unified, Open-Source Language Agent for Multi-Step Reasoning

语言代理通过使用工具精确执行每个步骤来执行复杂任务。然而，大多数现有的代理基于专有模型或旨在针对特定任务，例如数学或多跳问题回答。我们介绍了Husky，这是一个全面的，开源的语言代理，它学习在统一的操作空间上进行推理，以解决涉及数字、表格和基于知识的推理的各种复杂任务。Husky在两个阶段之间迭代：1）生成下一个行动以解决给定任务；2）使用专家模型执行行动并更新当前解决方案状态。我们确定了用于解决复杂任务的行动的全面本体论，并策划了高质量的数据来训练执行这些行动的专家模型。我们的实验表明，Husky在14个评估数据集上优于先前的语言代理。此外，我们介绍了HuskyQA，这是一个新的评估集，它对语言代理进行混合工具推理的压力测试，重点是检索缺失的知识和执行数字推理。尽管使用了7B模型，但Husky在这些任务上与甚至超过了像GPT-4这样的前沿LM，展示了我们在解决复杂推理问题方面的全面方法的有效性。我们的代码和模型可在https://github.com/agent-husky/Husky-v1上获得。

论文旨在解决复杂任务的语言智能代理问题，包括数字、表格和基于知识的推理。该代理如何通过学习来推理出一致的行动空间？

Husky是一个开源的语言代理，通过迭代生成下一步行动并使用专家模型执行行动来解决复杂任务。该代理使用全面的行动本体，训练高质量的专家模型来执行这些行动，从而实现数字、表格和知识推理的混合工具推理。

该论文的亮点包括提出了一个全面的行动本体来解决复杂任务、使用高质量数据集训练专家模型、在14个评估数据集上超过了先前的语言代理、提出了HuskyQA评估集以测试语言代理的混合工具推理能力、并展示了Husky在这些任务上的有效性。

最近的相关研究包括GPT-4等前沿语言模型，以及针对特定任务的专用代理，如数学或多跳问题回答。