chatarena

Multi-Agent-Sprachspielumgebungen für LLMs

---

Chatarena ist eine Bibliothek, die Sprachspielumgebungen mit mehreren Agenten bietet und die Erforschung autonomer LLM-Agenten und deren soziale Interaktionen erleichtert. Es bietet die folgenden Funktionen:

• Abstraktion : Es bietet einen flexiblen Rahmen, um mehrere Spieler, Umgebungen und die Interaktionen zwischen ihnen zu definieren, die auf Markov -Entscheidungsprozess basieren.
• Sprachspielumgebungen : Es bietet eine Reihe von Umgebungen, die zum Verständnis, Benchmarking- oder Trainingsagent für LLMs beitragen können.
• Benutzerfreundliche Schnittstellen : Sie bietet sowohl Web-Benutzeroberfläche als auch CLI, um Ihre LLM-Agenten zu entwickeln/zu fordern, um in Umgebungen zu handeln.

Erste Schritte

Probieren Sie unsere Online -Demo aus:

Installation

Anforderungen:

• Python> = 3. 7
• OpenAI-API-Schlüssel (optional für die Verwendung von GPT-3,5-Turbo oder GPT-4 als LLM-Agent)

Mit PIP einbauen:

pip install chatarena

oder aus Quelle installieren:

pip install git+https://github.com/chatarena/chatarena

Um GPT-3 als LLM-Agent zu verwenden, setzen Sie Ihren OpenAI-API-Schlüssel:

 export OPENAI_API_KEY= " your_api_key_here " 

Optionale Abhängigkeiten

Standardmäßig installiert pip install chatarena nur Abhängigkeiten, die für die Kernfunktionen von Chatarena erforderlich sind. Sie können optionale Abhängigkeiten mit den folgenden Befehlen installieren:

pip install chatarena[all_backends] # install dependencies for all supported backends: anthropic, cohere, huggingface, etc.
pip install chatarena[all_envs]     # install dependencies for all environments, such as pettingzoo
pip install chatarena[all]          # install all optional dependencies for full functionality

Starten Sie die Demo lokal

Der schnellste Weg, um Chatarena in Aktion zu sehen, ist die Demo -Web -Benutzeroberfläche. Um die Demo auf Ihrem lokalen Computer zu starten, installieren Sie zuerst PIP Chatarena mit zusätzlicher Abhängigkeit von Gradio, dann klonen Sie dieses Repository in Ihren lokalen Ordner und rufen Sie schließlich die app.py im Root -Verzeichnis des Repositorys an:

pip install chatarena[gradio]
git clone https://github.com/chatarena/chatarena.git
cd chatarena
gradio app.py

Dadurch wird ein Demo -Server für Chatarena gestartet, und Sie können ihn aus Ihrem Browser (Port 8080) auf ihn zugreifen.

Schauen Sie sich dieses Video an, um zu erfahren, wie Sie die Web -Benutzeroberfläche verwenden:

Für Entwickler

Eine Einführung in das Chatarena -Framework finden Sie in diesem Dokument. Überprüfen Sie, ob Sie eine neue Umgebung aufbauen können

Hier bieten wir eine kompakte Anleitung zum minimalen Setup, um das Spiel auszuführen, und einige allgemeine Ratschläge zur Anpassung.

Schlüsselkonzepte

1. Arena : Arena fasst eine Umgebung und eine Sammlung von Spielern zusammen. Es treibt die Hauptschleife des Spiels an und bietet HCI -Dienstprogramme wie Webui, CLI, Konfigurationsbelastung und Datenspeicherung.
2. Umgebung : Die Umwelt speichert den Spielstatus und führt die Spiellogik aus, um Übergänge zwischen den Spielstaaten durchzuführen. Es macht auch Beobachtungen für Spieler, die Beobachtungen sind natürliche Sprachen.
   1. Der Spielstatus ist für die Spieler nicht direkt sichtbar. Spieler können nur die Beobachtungen sehen.
3. Sprachbackend : Sprach -Backends sind die Quelle der Sprachintelligenz. Es dauert Text (oder Sammlung von Text) als Eingabe und gibt Text als Antwort zurück.
4. Spieler : Der Spieler ist ein Agent, der das Spiel spielt. In der RL -Terminologie handelt es sich um eine Richtlinie, eine staatenlose Funktionskartierung von Beobachtungen zu Aktionen.

Führen Sie das Spiel mit Python API durch

Arena aus einer Konfigurationsdatei laden-hier verwenden wir examples/nlp-classroom-3players.json in diesem Repository als Beispiel:

 arena = Arena . from_config ( "examples/nlp-classroom-3players.json" )
arena . run ( num_steps = 10 )

Führen Sie das Spiel in einer interaktiven CLI -Schnittstelle aus:

 arena . launch_cli ()

Schauen Sie sich dieses Video an, um zu erfahren

Allgemeine Anpassungsberatung

1. Arena : Übergeordnetes Arena bedeutet im Grunde genommen bedeutet man, dass man eine eigene Hauptschleife schreiben wird. Dies kann unterschiedliche Interaktionsoberflächen ermöglichen oder Spiele automatisierter fahren, beispielsweise eine Online -RL -Trainingsschleife ausführen
2. Umgebung : Eine neue Umgebung entspricht einem neuen Spiel. Man kann die Spieldynamik hier mit hart codierten Regeln oder einer Mischung aus Regeln und Sprachbackend definieren.
3. Backend : Wenn man den Weg der Formatierung von Beobachtungen (in Bezug auf Nachrichten) in Abfragen für das Sprachmodell ändern muss, sollte das Backend überschrieben werden.
4. Spieler : Wenn eine neue Beobachtung gefüttert wird, werden die Spieler standardmäßig das Sprachbackend abfragen und die Antwort als Aktionen zurückgeben. Man kann aber auch die Art und Weise anpassen, wie die Spieler mit dem Sprach -Backend interagieren.

Erstellen Sie Ihre benutzerdefinierte Umgebung

Sie können Ihre eigene Umgebung definieren, indem Sie die Environment erweitern. Hier sind die allgemeinen Schritte:

1. Definieren Sie die Klasse, indem Sie von einer Basisklasse und Einstellung type_name erben, und fügen Sie die Klasse zu ALL_ENVIRONMENTS hinzu
2. Initialisieren Sie die Klasse, indem Sie __init__ -Methode definieren (ihre Argumente definieren die entsprechende Konfiguration) und die initialisierenden Klassenattribute initialisieren
3. Implementieren Sie Spielmechaniker in step
4. Geben Sie Spielzustände und Belohnungen durch, indem Sie Methoden wie reset , get_observation , is_terminal und get_rewards implementieren
5. Entwickeln Sie Rollenbeschreibungsaufforderungen (und gegebenenfalls eine globale Eingabeaufforderung) für Spieler, die die CLI- oder Web -Benutzeroberfläche verwenden, und speichern Sie sie in einer Konfigurationsdatei.

Wir bieten ein detailliertes Tutorial, um zu demonstrieren, wie eine benutzerdefinierte Umgebung definiert wird, wobei die Chameleon -Umgebung als Beispiel verwendet wird.

Wenn Sie die Umgebung einer vorhandenen Bibliothek in Chatarena portieren möchten, sehen Sie sich die Umgebung PettingzooChess als Beispiel an.

Liste der Umgebungen

Gespräch

Eine Multi-Player-Sprachspielumgebung, die ein Gespräch simuliert.

• NLP-Klassenzimmer: Eine 3-Spieler-Sprachspielumgebung, die eine Klassenzimmereinstellung simuliert. Das Spiel wird abwechselnd gespielt, und jeder Runde kann ein Spieler entweder eine Frage stellen oder eine Frage beantworten. Das Spiel endet, wenn alle Spieler alle Fragen gestellt und beantwortet haben.

Moderator Gespräch

Basierend auf Gesprächen, aber mit einem Moderator, der die Spieldynamik steuert.

• Rock-Paper-Scissors: Eine 2-Spieler-Sprachspielumgebung, die ein Rock-Paper-Scissors-Spiel mit Moderator-Konversation simuliert. Beide Spieler werden parallel reagieren und das Spiel endet, wenn ein Spieler 2 Runden gewinnt.
• Tic-Tac-Toe: Eine 2-Spieler-Sprachspielumgebung, die ein Tic-Tac-Toe-Spiel mit Moderator-Konversation simuliert. Das Spiel wird abwechselnd gespielt, und jeder Runde kann ein Spieler entweder um einen Schritt bitten oder einen Schritt machen. Das Spiel endet, wenn ein Spieler gewinnt oder das Board voll ist.

Chamäleon

Ein Multi-Player-Spiel mit sozialem Abzug. Es gibt zwei Rollen im Spiel, Chameleon und Nicht-Chameleon. Das Thema des geheimen Wortes wird zuerst allen Spielern enthüllt. Dann wird das geheime Wort Nicht-Chameleons offenbart. Das Chamäleon kennt das geheime Wort nicht. Das Ziel des Spiels hängt von der Rolle des Spielers ab:

• Wenn Sie kein Chamäleon sind, ist es Ihr Ziel, das Chamäleon zu enthüllen, ohne das geheime Wort aufzudecken.
• Wenn Sie ein Chamäleon sind, ist es Ihr Ziel, sich in andere Spieler einzuschließen, nicht gefangen zu werden und das geheime Wort herauszufinden. Es gibt drei Phasen im Spiel:

1. Die Hinweise auf die Hinweise: Jeder Spieler beschreibt die Hinweise auf das geheime Wort.
2. Die Anklagesphase: In dieser Phase wird jeder Spieler für einen anderen Spieler stimmen, der höchstwahrscheinlich das Chamäleon ist. Das Chamäleon sollte für andere Spieler stimmen.
3. Die Ratenstufe: Wenn der Anschuldigungen korrekt ist, sollte das Chamäleon das geheime Wort erraten, angesichts der Hinweise, die von anderen Spielern enthüllt wurden.

Pettingzoochin

Eine Zwei-Spieler-Schachspielumgebung, die die Schachumgebung von Pettingzoo nutzt.

Pettingzoo Tictactoe

Eine Zwei-Spieler-Tic-Tac-Toe-Spielumgebung, die die Pettingzoo Tictactoe-Umgebung nutzt. Unterscheidet sich von der Moderator Conversation Konversationsumgebung und wird eher von hart codierten Regeln als von einem LLM-Moderator angetrieben.

Beitragen

Wir begrüßen Beiträge zur Verbesserung und Erweiterung von Chatarena. Bitte befolgen Sie diese Schritte, um einen Beitrag zu leisten:

1. Geben Sie das Repository auf.
2. Erstellen Sie eine neue Filiale für Ihre Funktion oder Ihr Bugfix.
3. Verpflichten Sie Ihre Änderungen an der neuen Niederlassung.
4. Erstellen Sie eine Pull -Anfrage, die Ihre Änderungen beschreibt.
5. Wir werden Ihre Pull -Anfrage überprüfen und Feedback geben oder Ihre Änderungen zusammenführen.

Bitte stellen Sie sicher, dass Ihr Code dem vorhandenen Stil und der vorhandenen Struktur folgt.

Zitat

Wenn Sie Chatarena für Ihre Recherche nützlich finden, zitieren Sie bitte unser Repository (unser Arxiv -Papier kommt in Kürze):

 @software { ChatArena ,
  author = { Yuxiang Wu, Zhengyao Jiang, Akbir Khan, Yao Fu, Laura Ruis, Edward Grefenstette, and Tim Rocktäschel } ,
  title = { ChatArena: Multi-Agent Language Game Environments for Large Language Models } ,
  year = { 2023 } ,
  publisher = { GitHub } ,
  journal = { GitHub repository } ,
  version = { 0.1 } ,
  howpublished = { url{https://github.com/chatarena/chatarena} } ,
}

Kontakt

Wenn Sie Fragen oder Vorschläge haben, können Sie ein Problem öffnen oder eine Pull -Anfrage abgeben. Sie können uns auch auf dem Farama Discord Server- https://discord.gg/vrtdmu9y8q kontaktieren

Viel Spaß beim Chatten!

Sponsoren

Wir möchten unseren Sponsoren für die Unterstützung dieses Projekts danken:

• MAMMUTBAUM
• Shixiang Capital