ภาพรวม
Voyager คือเอเจนต์ที่ขับเคลื่อนโดย LLM ปี 2023 ซึ่งเล่น Minecraft ได้โดยอัตโนมัติ เรียนรู้อย่างต่อเนื่องโดยการเขียนทักษะการเขียนโค้ดที่นำมาใช้ซ้ำได้ และจัดเก็บไว้ในไลบรารีที่กำลังเติบโต มันแสดงให้เห็นว่าตัวแทนสามารถทำการเรียนรู้แบบปลายเปิดและตลอดชีวิตโดยไม่ต้องอัปเดตการไล่ระดับสีใดๆ เพียงแค่สะสมและนำโปรแกรมกลับมาใช้ใหม่
Voyager และ Skill-Library Agents เป็นองค์ประกอบทางเทคนิคที่ส่งผลต่อคุณภาพของโมเดล ต้นทุนโครงสร้างพื้นฐาน เวลาแฝง และความน่าเชื่อถือในวงกว้าง
เจาะลึก
สร้างโดย NVIDIA, Caltech และผู้ทำงานร่วมกัน (Wang และคณะ) Voyager ใช้ GPT-4 เป็นสมองและถือว่าทักษะเป็นโค้ด JavaScript ที่ปฏิบัติการได้ซึ่งควบคุมบอท Minecraft ประกอบด้วยองค์ประกอบที่มีการโต้ตอบสามส่วน: หลักสูตรอัตโนมัติที่เสนอเป้าหมายที่ยากมากขึ้นเพื่อเพิ่มการสำรวจให้สูงสุด กลไกการเตือนซ้ำที่เขียนโค้ด เรียกใช้ในเกม อ่านข้อผิดพลาดและข้อเสนอแนะเกี่ยวกับสภาพแวดล้อม และแก้ไขข้อบกพร่องด้วยตนเองจนกว่าทักษะจะได้ผล และคลังทักษะที่แต่ละทักษะที่ได้รับการตรวจสอบจะถูกจัดเก็บและจัดทำดัชนีโดยการฝังคำอธิบายที่เป็นภาษาธรรมชาติ เนื่องจากทักษะใหม่ๆ ประกอบขึ้นจากทักษะที่เก็บไว้ก่อนหน้านี้ ความสามารถจึงประกอบขึ้นเมื่อเวลาผ่านไป ยานโวเอเจอร์ได้รับไอเท็มพิเศษมากขึ้น เดินทางในระยะทางไกลขึ้น และปลดล็อคหลักชัยของสายวิจัยได้เร็วกว่าเอเย่นต์รุ่นก่อนมาก และทักษะที่เรียนรู้ของมันก็ถูกถ่ายทอดสู่โลกใหม่
ข้อมูลเชิงลึกทางเทคนิค
ยานโวเอเจอร์เรียนรู้ในบริบท ไม่ใช่โดยการเปลี่ยนน้ำหนักโมเดล ทักษะคือข้อมูลโค้ดที่ได้รับการตรวจสอบแล้ว มันถูกบันทึกพร้อมกับการฝังคำอธิบาย ดังนั้นเมื่อมีงานใหม่เกิดขึ้น ทักษะที่เกี่ยวข้องทางความหมายจะถูกดึงออกมาและจัดเตรียมไว้เป็นส่วนประกอบ วงจรการพัฒนาตนเองคือ: สร้างโค้ด ดำเนินการ สังเกตข้อผิดพลาดและสถานะของเกม ขอให้โมเดลแก้ไข ทำซ้ำ สิ่งนี้จะเปลี่ยนการลองผิดลองถูกให้เป็นโปรแกรมที่คงทนและประกอบได้ แทนที่จะใช้เหตุผลชั่วคราว
การเรียนรู้ตัวแทนยานโวเอเจอร์และคลังทักษะ
Voyager คือเอเจนต์ที่ขับเคลื่อนโดย LLM ปี 2023 ซึ่งเล่น Minecraft ได้โดยอัตโนมัติ เรียนรู้อย่างต่อเนื่องโดยการเขียนทักษะการเขียนโค้ดที่นำมาใช้ซ้ำได้ และจัดเก็บไว้ในไลบรารีที่กำลังเติบโต มันแสดงให้เห็นว่าตัวแทนสามารถทำการเรียนรู้แบบปลายเปิดและตลอดชีวิตโดยไม่ต้องอัปเดตการไล่ระดับสีใดๆ เพียงแค่สะสมและนำโปรแกรมกลับมาใช้ใหม่ Voyager และ Skill-Library Agents เป็นองค์ประกอบทางเทคนิคที่ส่งผลต่อคุณภาพของโมเดล ต้นทุนโครงสร้างพื้นฐาน เวลาแฝง และความน่าเชื่อถือในวงกว้าง เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ปฏิบัติต่อ Voyager และ Skill-Library Agent เป็นรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ Voyager และ Skill-Library Agent จะปรับสถาปัตยกรรม ข้อมูล และตัวเลือกโครงสร้างพื้นฐานให้เหมาะสมโดยเทียบกับความน่าเชื่อถือและต้นทุน โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
การตัดสินใจด้านสถาปัตยกรรมขับเคลื่อนประสิทธิภาพและต้นทุนการดำเนินงานเป็นเวลาหลายปี ในเวลาเดียวกัน การเพิ่มประสิทธิภาพเกณฑ์มาตรฐานหนึ่งรายการสามารถซ่อนจุดอ่อนของระบบในวงกว้างได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
การตัดสินใจด้านสถาปัตยกรรมขับเคลื่อนประสิทธิภาพและต้นทุนการดำเนินงานเป็นเวลาหลายปี
การตัดสินใจด้านสถาปัตยกรรมขับเคลื่อนประสิทธิภาพและต้นทุนการดำเนินงานเป็นเวลาหลายปี ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การศึกษาด้านเทคนิคช่วยให้ทีมเลือกกลุ่มที่เหมาะสม ไม่ใช่แค่กลุ่มใหม่ล่าสุด
การศึกษาด้านเทคนิคช่วยให้ทีมเลือกกลุ่มที่เหมาะสม ไม่ใช่แค่กลุ่มใหม่ล่าสุด ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ตัวเลือกทางวิศวกรรมที่ดีกว่าจะช่วยลดเหตุการณ์ด้านความน่าเชื่อถือในการผลิต
ตัวเลือกทางวิศวกรรมที่ดีกว่าจะช่วยลดเหตุการณ์ด้านความน่าเชื่อถือในการผลิต ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
ก้าวหน้าอย่างอิสระผ่านสายวิจัยของ Minecraft (จากไม้สู่หินสู่เหล็กสู่เครื่องมือเพชร) โดยการรวบรวมทักษะที่เรียนรู้
การเขียนและการดีบักทักษะการเขียนโค้ด 'เหมืองและงานฝีมือ' ด้วยตนเอง จากนั้นนำทักษะนั้นกลับมาใช้ใหม่ทุกครั้งที่งานย่อยนั้นเกิดขึ้นอีก
ดึงทักษะ 'ต่อสู้กับซอมบี้' ที่เก็บไว้ก่อนหน้านี้ผ่านคำอธิบายที่ฝังไว้เมื่อมีภัยคุกคามที่คล้ายกันปรากฏขึ้น
ถ่ายโอนคลังทักษะที่เรียนรู้ไปยังโลก Minecraft ที่สร้างขึ้นใหม่เพื่อเริ่มต้นงานใหม่ได้เร็วขึ้น
รูปแบบการดำเนินงาน
ตัวแทนนักเดินทางรอบโลกและห้องสมุดทักษะในทางปฏิบัติ
ก้าวหน้าอย่างอิสระผ่านสายวิจัยของ Minecraft (จากไม้สู่หินสู่เหล็กสู่เครื่องมือเพชร) โดยการรวบรวมทักษะที่เรียนรู้
ก้าวหน้าอย่างอิสระผ่านสายวิจัยของ Minecraft (จากไม้สู่หินสู่เหล็กสู่เครื่องมือเพชร) โดยการเขียนทักษะที่เรียนรู้ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ตัวแทนนักเดินทางรอบโลกและห้องสมุดทักษะในทางปฏิบัติ
การเขียนและการดีบักทักษะการเขียนโค้ด 'เหมืองและงานฝีมือ' ด้วยตนเอง จากนั้นนำทักษะนั้นกลับมาใช้ใหม่ทุกครั้งที่งานย่อยนั้นเกิดขึ้นอีก
การเขียนและการดีบักทักษะการเขียนโค้ด 'ขุดเหมืองและประดิษฐ์' ด้วยตนเอง จากนั้นนำกลับมาใช้ใหม่ทุกครั้งที่งานย่อยนั้นเกิดซ้ำ โดยปกติแล้วทีมจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ตัวแทนนักเดินทางรอบโลกและห้องสมุดทักษะในทางปฏิบัติ
ดึงทักษะ 'ต่อสู้กับซอมบี้' ที่เก็บไว้ก่อนหน้านี้ผ่านคำอธิบายที่ฝังไว้เมื่อมีภัยคุกคามที่คล้ายกันปรากฏขึ้น
การดึงทักษะ 'ต่อสู้กับซอมบี้' ที่เก็บไว้ก่อนหน้านี้ผ่านคำอธิบายที่ฝังไว้เมื่อมีภัยคุกคามที่คล้ายกันปรากฏขึ้น ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ตัวแทนนักเดินทางรอบโลกและห้องสมุดทักษะในทางปฏิบัติ
ถ่ายโอนคลังทักษะที่เรียนรู้ไปยังโลก Minecraft ที่สร้างขึ้นใหม่เพื่อเริ่มต้นงานใหม่ได้เร็วขึ้น
การถ่ายโอนคลังทักษะที่เรียนรู้ไปยังโลก Minecraft ที่สร้างขึ้นใหม่เพื่อเริ่มต้นงานใหม่ได้เร็วขึ้น ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
การเพิ่มประสิทธิภาพเกณฑ์มาตรฐานหนึ่งรายการสามารถซ่อนจุดอ่อนของระบบในวงกว้างได้
ต้นทุนโครงสร้างพื้นฐานและการบำรุงรักษามักถูกประเมินต่ำไป
ช่องว่างด้านความปลอดภัยและความสามารถในการสังเกตสามารถเพิ่มขึ้นได้เมื่อระบบมีความซับซ้อนมากขึ้น
แผนงานการดำเนินงาน
กำหนดเป้าหมายเวลาแฝง คุณภาพ และต้นทุนก่อนนำไปใช้งาน
กำหนดเป้าหมายเวลาแฝง คุณภาพ และต้นทุนก่อนนำไปใช้งาน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
เกณฑ์มาตรฐานภายใต้สภาวะโหลดและข้อมูลจริง
เกณฑ์มาตรฐานภายใต้สภาวะโหลดและข้อมูลจริง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
การตรวจสอบเครื่องมือเพื่อหาข้อผิดพลาด การเบี่ยงเบน และผลกระทบต่อผู้ใช้
การตรวจสอบเครื่องมือเพื่อหาข้อผิดพลาด การเบี่ยงเบน และผลกระทบต่อผู้ใช้ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
เตรียมเส้นทางการย้อนกลับและการตอบสนองต่อเหตุการณ์ก่อนปรับขนาด
เตรียมเส้นทางการย้อนกลับและการตอบสนองต่อเหตุการณ์ก่อนปรับขนาด ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น