青稞Talk 12预告！VillagerAgent：减少幻觉、提高任务分解效率的多智能协作体框架

青稞2024-06-232024-07-11

如何评估多智能体系统在包含空间、因果和时间约束的复杂依赖性中的表现？来自浙江大学朱霖潮团队的研究人员在 ACL 2024 findings 中构建了一个新的基准测试 VillagerBench。VillagerBench 包含了设计用来测试多智能体协作的各个方面的多样化任务，并引入了有向无环图多智能体框架（VillagerAgent），以解决复杂的智能体间依赖性并提高协作效率。

VillagerAgent 包含了四大核心组件：任务分解器、智能体控制器、状态管理器和基础智能体，就像是 AI 的指挥家，将个体行动转化为协作的杰作。

VillagerBench：智能体互动和学习的虚拟沙盒 🤹。
TaskManager：任务图的策划者，确保任务按计划进行，智能体了解情况 📊。
DataManager：知识的守护者，紧握所有数据牌 🗃️。
GlobalController：全局监督者，确保每个智能体完美发挥其角色 🎯。

在 VillagerBench 上的实证评估表明，VillagerAgent 在减少幻觉和提高任务分解效率方面，超越了现有的 AgentVerse 模型。同时，在Overcooked-ai 测试中表现优于 ProAgent 模型的表现。VillagerAgent 在推进多智能体协作方面具有潜力，提供了在动态环境中可扩展泛化解决方案。

通过 Mineflayer 强力驱动的 VillagerBench，可以在 Minecraft 里面搭建了房屋搭建、食材烹饪、密室逃脱等多智能体协作任务，用于测试LLM智能体在任务分配、动态适应和同步执行等方面能力。在个人的 Minecraft 服务器中也可以使用 VillagerAgent 多智能体框架就可以自定义专属的私人任务，为个人打造个性化的游戏体验！

1
2
3

Paper：VillagerAgent: A Graph-Based Multi-Agent Framework for Coordinating Complex Task Dependencies in Minecraft
ArXiv：https://arxiv.org/pdf/2406.05720
Code：https://github.com/cnsdqd-dyb/VillagerAgent

6月27日晚7点，青稞社区组织【青稞Talk】第十二期，VillagerAgent一作、浙江大学硕士研究生董玉博，将直播分享 ACL 2024 findings 成果《VillagerAgent：减少幻觉、提高任务分解效率的多智能协作体框架》。