الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

gptswarm

؟ GPTSWARM هو إطار قائم على الرسم البياني للعوامل المستندة إلى LLM ، حيث يوفر ميزتين رفيعي المستوى:

  • يتيح لك إنشاء وكلاء قائمة على LLM من الرسوم البيانية.
  • إنه يتيح التنظيم الذاتي المخصص والآلي لأسراب الوكيل مع إمكانات التحسين الذاتي.

حول gptswarm

نطاق

على مستوى حبيبتي ، GPTSWARM هي مكتبة تتضمن المكونات التالية:

الوحدة النمطية وصف
سرب. البيئة العمليات الخاصة بالمجال والوكلاء والأدوات والمهام
سرب وظائف متعلقة بالرسوم البيانية لإنشاء وتنفيذ الرسوم البيانية للوكيل والرسوم البيانية المركب سرب
Swarm.llm واجهة لاختيار الخلفية LLM وحساب تكاليفها التشغيلية
Swarm.Memory الذاكرة القائمة على الفهرس
Swarm.Optimizer خوارزميات التحسين المصممة لتعزيز أداء الوكيل وكفاءة سرب بشكل عام

تصورات الرسوم البيانية

تحسين الحافة

أخبار

  • ؟ [10/12] الاحترام؟ سرب Openai ، ولكن؟ GPTSWARM هو الخيار الأفضل إذا فكر في؟ سرب الذكاء ؟

  • [08/07] حضر مينغشن ندوة مدعوة مع مختبر شنغهاي AI.

  • [07/25] أعطى لويس وفرانشيسكو العرض الفموي في ICML 2024.

  • [07/17] قدم Mingchen GPTSWARM إلى META.

  • [07/05] أعطى مينغشن حديثًا مدعوًا إلى WAIC.

  • [06/21] أعطى مينغشن حديثًا مدعوًا إلى IA-CAS.

  • [06/20] أعطى ديمتري حديثًا مدعوًا إلى Sberbank.

  • [06/03] دعت SDAIA فريق GPTSWARM (Wenyi ، فرانشيسكو ، ديمتري) لندوة 5 ساعات.

  • [06/02] تم اختيار GPTSWARM كعرض شفهي (أعلى 1.5 ٪ ، 144 في 9،473) بواسطة ICML2024! تهانينا!

  • [05/01] تم قبول GPTSWARM بواسطة ICML2024.

  • [04/18] أعطى مينغشن الحديث المدعو إلى Bytedance.

  • [03/20] أعطى مينغشن الحديث المدعو إلى هواوي.

  • [03/13] مقابلة MITTR China الحصرية مع Mingchen.

  • [03/01] يمكن تثبيت GPTSWARM عبر PIP الآن: pip install gptswarm

  • [02/27] تم إصدار ورقةنا الأكاديمية: وكلاء اللغة كرسوم بيانية قابلة للتحسين.

مثال تحسين الحافة

فيما يلي عملية تحسين الحافة التي تقوم بتحديث احتمالات الحافة نحو تحسين النتيجة القياسية. لاحظ أنه داخل الوكيل ، يتم إصلاح الحواف ، في حين يتم تحسين اتصالات بين الوكلاء نحو تقليم الحافة (القيمة 0 ، الأزرق) أو الإنشاء (القيمة 1 ، الأحمر).

تحسين الحافة

Quickstart

استنساخ الريبو 

git clone https://github.com/metauto-ai/GPTSwarm.git
cd GPTSwarm/

تثبيت الحزم 

 conda create -n swarm python=3.10
conda activate swarm
pip install poetry
poetry install

يجب عليك إضافة مفاتيح API في .env.template وتغيير اسمها إلى .env 

 OPENAI_API_KEY = "" # for OpenAI LLM backend
SEARCHAPI_API_KEY = "" # for Web Search

البدء مع GPTSWARM سهل. قم بتشغيل سرب محدد مسبقًا بسرعة 

 from swarm . graph . swarm import Swarm

swarm = Swarm ([ "IO" , "IO" , "IO" ], "gaia" )
task = "What is the capital of Jordan?"
inputs = { "task" : task }
answer = await swarm . arun ( inputs )

أو الاستفادة من الأدوات ، مثل محلل الملفات 

 from swarm . graph . swarm import Swarm
swarm = Swarm ([ "IO" , "TOT" ], "gaia" )
task = "Tell me more about this image and summarize it in 3 sentences."
files = [ "./datasets/demos/js.png" ]
inputs = { "task" : task , "files" : files }
danswer = swarm . run ( inputs )

تحقق من الحد الأدنى من مثال سرب في كولاب هنا :.

تعرف على كيفية إنشاء وكيل مخصص وتشغيل سرب معه هنا :.

إليك مقطع فيديو على YouTube حول كيفية تشغيل دفاتر الملاحظات التجريبية:

شاهد تجاربنا لاستخدام أكثر تقدماً لإطار عملنا.

الرسم البياني الفئة

تحسين الحافة

مثال على السرب

تحسين الحافة

الجري مع LLM محلي

نحن ندعم استنتاج LM المحلي عبر استوديو LM. قم بتنزيل تطبيق سطح المكتب الخاص بهم لنظام التشغيل Mac أو Windows ، واختر طرازًا من مستودع LuggingFace وابدأ الخادم. استخدم model_name='lmstudio' في رمز gptswarm لتشغيله مع LLM المحلي.

تحسين الحافة

المساهمين

  • Mingchen Zhuge (دكتوراه@kaust ؛ مبادئ المشروع)
  • Wenyi Wang (دكتوراه @ kaust ؛ مشارك أولي)
  • Dmitrii Khizbullin (مهندس أبحاث الرصاص @ Kaust ؛ مهندس المشروع الرصاص)
  • لويس كيرش (دكتوراه @ idsia)
  • Francesco Faccio (postdoc@idsia ؛ باحث زائر@kaust)
  • Jürgen Schmidhuber (مبادرة @ Kaust AI ؛ المدير العلمي @ idsia)
  • وليام FH (الهندسة @ langchain)
  • Lukas Vierling (BS Student @ RWTH & HKUST)

يرجى قراءة وثيقة المطورين الخاصة بنا إذا كنت مهتمًا بالمساهمة.

اقتباس

يرجى الاستشهاد بالورقة إذا وجدت المكتبة مفيدة أو مثيرة للاهتمام. 

 @inproceedings{zhugegptswarm,
  title={GPTSwarm: Language Agents as Optimizable Graphs},
  author={Zhuge, Mingchen and Wang, Wenyi and Kirsch, Louis and Faccio, Francesco and Khizbullin, Dmitrii and Schmidhuber, J{"u}rgen},
  booktitle={Forty-first International Conference on Machine Learning}
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل