पेशेवर प्रक्रियाओं से लेकर विभिन्न प्रकार के .Nik अध्ययन तक, AI एजेंट व्यापक डेटासेट, स्ट्रीम प्रक्रियाओं को संसाधित कर सकते हैं, और तय करने में मदद कर सकते हैं। फिर भी, यहां तक कि इन सभी घटनाओं के साथ, एलएलएम एजेंटों को बनाना और बताना अभी भी अधिकांश उपयोगकर्ताओं के लिए एक मुश्किल काम है। मुख्य कारण यह है कि एआई एजेंट प्लेटफार्मों को प्रोग्रामिंग कौशल की आवश्यकता होती है, जो जनसंख्या के आरोपों के केवल एक अंश को प्रतिबंधित करता है। दुनिया की केवल 0.03% आबादी के लिए कोडिंग कौशल की आवश्यकता होती है, एलएलएम एजेंटों की सामूहिक तैनाती गैर-तकनीकी उपयोगकर्ताओं की पहुंच से परे है। जबकि एआई विभिन्न उद्योगों में एक तेजी से आवश्यक उपकरण बन रहा है, गैर-प्रोग्रामिंग पेशेवर इसकी पूरी क्षमता को टैप नहीं कर सकते हैं, और तकनीकी क्षमता और उपयोगिता के बीच एक बड़ी खाई है। एआई एजेंट विकास के साथ सबसे बड़ी समस्या प्रोग्रामिंग कौशल पर निर्भरता है।
लैंगचेन और ऑटोजेन जैसे मौजूदा सिस्टम विशेष रूप से प्रोग्रामिंग अनुभव वाले डेवलपर्स के लिए हैं, जो गैर-तकनीकी व्यक्तियों के लिए एआई एजेंटों के डिजाइन या सिलाई को जटिल बनाता है। यह बाधा लोगों में एआई ऑटो टोमेशन के उपयोग को धीमा कर देती है क्योंकि अधिकांश पेशेवरों में इसके आवेदन के लिए आवश्यक तकनीकी क्षमताएं नहीं होती हैं। अच्छी तरह से काम करने वाले उपकरणों के बावजूद, एआई एजेंट बनाने के लिए आमतौर पर परिष्कृत शीघ्र इंजीनियरिंग, एपीआई एकीकरण और डिबगिंग की आवश्यकता होती है, जो इसे बड़े दर्शकों की पहुंच से दूर बनाता है। समस्या एक ऐसी प्रणाली बनाना है जिसमें कोडिंग की आवश्यकता नहीं है, लेकिन फिर भी उपयोगकर्ताओं को लचीला और शक्तिशाली एआई-संचालित स्वचालन प्रदान करता है।
वर्तमान ढांचा अक्सर डेवलपर -वातावरण में काम करता है, जो गहरे टांडा प्रोग्रामिंग कौशल की मांग करता है। उदाहरण के लिए, लैंगचेन एलएलएम एप्लिकेशन का उपयोग निर्माण के लिए बहुत किया जाता है, लेकिन एपीआई कॉल के लिए एलएस और संरचित डेटा प्रसंस्करण के पिछले जे ज्ञान की आवश्यकता होती है। अन्य विकल्प, जैसे कि ऑटोजेन्स और एल एस, एजेंटों को भूमिकाओं के आधार पर एक दूसरे के साथ संवाद करने की अनुमति देकर एलएलएम दक्षता बढ़ाते हैं। फिर भी, वे तकनीकी सेटअप पर भी निर्भर करते हैं जो गैर-तकनीकी उपयोगकर्ताओं को लागू करना मुश्किल हो सकता है। यद्यपि उपकरणों ने एआई ऑटो टोमेशन को बेहतर बना दिया है, वे गैर-कोडिंग उपयोगकर्ताओं के लिए ज्यादातर मामलों में दुर्गम रहते हैं। एआई की पहुंच एक सच्चे शून्य-सीओडी समाधान की कमी में सीमित है, जिसे व्यापक रूप से गैर-डेवलपर्स के बीच अपनाया जाता है।
हांगकांग विश्वविद्यालय के शोधकर्ताओं ने पेश किया अलगाव की भावनापूर्ण स्वचालित और शून्य-सीओडी एआई एजेंट फ्रेमवर्क को इस दूरी को हटाने के लिए डिज़ाइन किया गया है। ऑटो टॉगेंट उपयोगकर्ताओं को प्रोग्रामिंग कौशल की आवश्यकता को समाप्त करते हुए, प्राकृतिक भाषा कमांड का उपयोग करके एलएलएम एजेंटों को बनाने और तैनात करने में सक्षम बनाता है। मौजूदा समाधानों के विपरीत, एक कोट सिस्टम का संचालन करने वाले एक स्व-विकसित एजेंट के रूप में ऑटोगेंट कार्य, जहां उपयोगकर्ता सादे भाषा में कार्यों का वर्णन करते हैं और स्वायत्त रूप से एजेंट और वर्कफ़्लो बनाते हैं। फ्रेमवर्क में चार प्रमुख घटक शामिल हैं: एजेंसी सिस्टम यूटिलिटीज, एलएलएम-संचालित एक्शन योग्य इंजन, सेल्फ-मैनेजमेंट फाइल सिस्टम और सेल्फ-प्ले एजेंट कस्टमाइज़ेशन मॉड्यूल। ये घटक उपयोगकर्ताओं को कोड की एक पंक्ति लिखने के बिना विभिन्न अनुप्रयोगों के लिए AI- चालित समाधान बनाने की अनुमति देते हैं। ऑट टॉगेंट का उद्देश्य एआई विकास लोकतंत्र बनाना है, जो बुद्धिमान स्वचालन को व्यापक दर्शकों के लिए सुलभ बनाता है।
ऑटो टॉगेंट फ्रेमवर्क उन्नत मल्टी-एजेंट आर्किटेक्चर द्वारा काम करता है। इसके मूल में, एलएलएम-संचालित एक्शन योग्य इंजन प्राकृतिक भाषा निर्देशों को संरचित वर्कफ़्लो में अनुवाद करता है। पारंपरिक ढांचे के विपरीत, मैनुअल कोडिंग की आवश्यकता AI एजेंटों को गतिशील रूप से ऑटोगेंट उपयोगकर्ता इनपुट पर आधारित बनाती है। सेल्फ-रनिंग फाइल सिस्टम स्वचालित रूप से विभिन्न फ़ाइल प्रारूपों में फाउंडेशन में परिवर्तित करके कुशल डेटा हैंडलिंग को सक्षम बनाता है। यह सुनिश्चित करता है कि एआई एजेंट कई स्रोतों में प्रासंगिक जानकारी प्राप्त कर सकते हैं। सेल्फ-प्लेन एजेंट अनुकूलन मॉड्यूल द्वारा सिस्टम अनुकूलनशीलता को बढ़ाता है, एजेंट फ़ंक्शन को दोहराता है। ये घटक मानव हस्तक्षेप के बिना जटिल एआई -पावर वाले कार्यों को चलाने के लिए आयु तोगा को अनुमति देते हैं। यह दृष्टिकोण एआई एजेंट विकास की जटिलता को काफी कम कर देता है, जिससे यह उच्च दक्षता बनाए रखते हुए गैर-प्रोग्रामरों के लिए सुलभ हो जाता है।
ऑटो टॉगेंट के प्रदर्शन मूल्यांकन ने मौजूदा ढांचे पर महत्वपूर्ण सुधार दिखाया। उन्हें GAIA बेंचमार्क पर दूसरी सर्वोच्च रैंकिंग मिली, जो साधारण AI सहायकों के लिए एक ठोस मूल्यांकन है, जिसमें 55.15%की समग्र सटीकता है। स्तर 1 कार्यों में, ऑटो टॉगेंट ने 71.7%सटीकता हासिल की, जिससे लैंगफैन एजेंट (60.38%) और शुक्रवार (45.28%) जैसे प्रमुख ओपन सोर्स फ्रेमवर्क का नेतृत्व किया। सिस्टम की प्रभावशीलता रिकवरी-गेट गेंटेड जेनरेशन (आरएजी) में भी महत्वपूर्ण थी। मल्टीहॉप-रैग बेंचमार्क पर, ऑटो टॉगेंट ने 73.51%सटीकता हासिल की, लैंगचेन के आरएजी कार्यान्वयन (62.83%) को बेहतर बनाया, जबकि 14.2%की एक महत्वपूर्ण कम त्रुटि दर को बनाए रखा। जी टॉगेंट ने जटिल मल्टी-एजेंट कार्यों में सबसे अच्छा अनुकूलनशीलता दिखाई, संरचनात्मक समस्याओं में मैजेंटिक -1 और ओएमएनई जैसे मॉडल को बेहतर बनाया।
ऑटो टॉगेंट पर शोध कई प्रमुख टेकवे का प्रतिनिधित्व करता है जो एआई स्वचालन में इसके प्रभाव और प्रगति को रोशन करता है:
- जी टॉगेंट प्रोग्रामिंग कौशल की आवश्यकता को समाप्त करता है, उपयोगकर्ताओं को प्राकृतिक भाषा कमांड के साथ एलएलएम एजेंटों को बनाने और तैनात करने में सक्षम बनाता है।
- जी टॉगेंट गैया में दूसरे स्थान पर है, स्तर 1 कार्यों में 71.7% सटीकता प्राप्त करता है, और कई मौजूदा रूपरेखाओं का नेतृत्व करता है।
- मल्टी टॉगेंट ने मल्टीहॉप-रैग बेंचमार्क पर 73.51% सटीकता हासिल की, जिसमें बेहतर वसूली और तर्क क्षमताओं को दिखाया गया।
- सिस्टम गतिशील रूप से वर्कफ़्लो का उत्पादन करता है और एआई एजेंटों को ऑर्केस्टिंग करता है, जटिल कार्यों में अधिक कुशल समस्याओं को सक्षम करता है।
- यूटी ने अपनी बहुमुखी प्रतिभा को प्रदर्शित करते हुए, सफलतापूर्वक स्वचालित वित्तीय विश्लेषण, दस्तावेज़ प्रबंधन और अन्य वास्तविक दुनिया अनुप्रयोगों को स्वचालित किया।
- गैर-तकनीकी उपयोगकर्ताओं के लिए एलएलएम एजेंट क्रिएशन ible xsibles बनाकर, ऑटो टॉगेंट एआई के सॉफ्टवेयर एफटीवेयर इंजीनियरों और विस्तार में उपयोगिता का काफी विस्तार होता है।
- स्व-प्रबंधन फ़ाइल सिस्टम सहज डेटा एकीकरण की अनुमति देता है, यह सुनिश्चित करता है कि एआई एजेंट प्रभावी रूप से जानकारी प्राप्त और संसाधित कर सकते हैं।
- सेल्फ-प्ले एजेंट सबसे अच्छा दोहरावदार शिक्षा के माध्यम से एजेंट का प्रदर्शन करता है, कस्टमाइज़ेशन मॉड्यूल मैनुअल हस्तक्षेप को कम करता है।
जाँच करना पेपर और GitHB पेज। इस शोध के लिए सभी श्रेय इस परियोजना के शोधकर्ताओं को जाते हैं। इसके अलावा, हमें फॉलो करने के लिए स्वतंत्र महसूस करें ट्विटर और हमसे जुड़ने के लिए मत भूलना 80K+ एमएल सबमिटेड।
। अनुशंसित रीडिंग- एलजी एआई रिसर्च नेक्सस प्रकाशित करता है: एक उन्नत प्रणाली एआई एजेंट एआई सिस्टम और डेटा अनुपालन मानकों को एआई डेटासेट में कानूनी चिंताओं को खत्म करने के लिए
ASIF Razzaq एक दूरदर्शी उद्यमी और इंजीनियर के रूप में मार्केटएकपोस्ट मीडिया इंक के सीईओ हैं, ASIF सामाजिक अच्छे के लिए कृत्रिम बुद्धिमत्ता की संभावना को बढ़ाने के लिए प्रतिबद्ध है। उनका सबसे हालिया प्रयास आर्टिफिशियल इंटेलिजेंस मीडिया प्लेटफॉर्म, मार्कटेकपोस्ट का उद्घाटन है, जो मशीन लर्निंग की गहराई के लिए और कवरेज की गहराई के लिए गहरी सीखने की खबर के लिए है। यह तकनीकी रूप से ध्वनि है और एक बड़े दर्शकों द्वारा आसानी से समझ में आता है। प्लेटफ़ॉर्म में 2 मिलियन से अधिक मासिक दृश्य हैं, जो दर्शकों के बीच अपनी लोकप्रियता दिखाते हैं।
🚨 अनुशंसित ओपन-सीरस एआई प्लेटफॉर्म: ‘इंटेलिजेंट एक ओपन सोर्स मल्टी-एजेंट फ्रेमवर्क है जो कॉम्प्लेक्स वार्तालाप एआई सिस्टम का मूल्यांकन करता है’ (ईडी)
