【技术实现步骤摘要】
本专利技术涉及大语言模型，具体是一种大语言模型多智能体协同工作方法及系统。
技术介绍
1、现有的llm驱动的智能体规划策略研究已经取得了巨大成功，这些研究可分为两种类型：静态规划和动态规划。静态规划方法，如思维链和思维树，可使llm将推理任务分解为多个中间步骤或子问题，而在动态规划方法中，每一步计划都是通过基于行动和反馈的推理得出的，因此具有很强的单步调用和规划能力。普林斯顿大学和谷歌大脑团队于2022年提出《react：synergizing reasoning and acting in language models》，使用llm以交错的方式生成推理轨迹和特定于任务的动作，从而实现两者之间更大的协同作用，通过访问外部资源api以获取额外的业务知识，并生成类人的任务解决轨迹，克服了思维链推理中普遍存在的幻觉和错误传播问题，虽然其具备工具调用和执行能力，但由于是在执行过程中规划下一步，在处理多步推理任务时，存在中途模型遗忘或混淆当前应执行的任务以及无法对历史的运算结果进行整合输出最终答案的问题。
2、近年来，一些研究通过让...
【技术保护点】
1.一种大语言模型多智能体协同工作方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的大语言模型多智能体协同工作方法，其特征在于，步骤S2中所述对检索到的工具进行过滤具体包括：
3.根据权利要求2所述的大语言模型多智能体协同工作方法，其特征在于，步骤S2中并采用代码和注释的方式将复杂任务分解成易于理解的子任务具体包括：
4.根据权利要求3所述的大语言模型多智能体协同工作方法，其特征在于，步骤S3中所述工具智能体为过滤后的工具集进行针对性的工具增强具体包括：
5.根据权利要求4所述的大语言模型多智能体协同工作方法，其...
【技术特征摘要】
1.一种大语言模型多智能体协同工作方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的大语言模型多智能体协同工作方法，其特征在于，步骤s2中所述对检索到的工具进行过滤具体包括：
3.根据权利要求2所述的大语言模型多智能体协同工作方法，其特征在于，步骤s2中并采用代码和注释的方式将复杂任务分解成易于理解的子任务具体包括：
4.根据权利要求3所述的大语言模型多智能体协同工作方法，其特征在于，步骤s3中所述工具智能体为过滤后的工具集进行针对性的工具增强具体包括：
5.根据权利要求4所述的大语言模型多智能体协同工作方法，其特征在于，步骤s3中所述并执行规划智能体所规划的特定操作得到反馈结果具体...
【专利技术属性】
技术研发人员：闫孝鲁，韩众和，宋晨炜，刘晨晨，张源奔，齐哲娴，牛鑫淼，王京印，
申请(专利权)人：中国人民解放军六三九二一部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。