概述
Voyager 是一款由 LLM 驅動的 2023 代理，可自主玩 Minecraft，透過編寫可重複使用的程式碼技能並將其儲存在不斷增長的庫中來不斷學習。它表明，智能體可以透過累積和重複使用程式來進行開放式終身學習，而無需任何梯度更新。
Voyager 和技能庫代理程式是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。
深入探討
Voyager 由 NVIDIA、加州理工學院和合作者（Wang 等人）構建，使用 GPT-4 作為大腦，並將技能視為控制 Minecraft 機器人的可執行 JavaScript 程式碼。它運行三個互動組件：自動課程，提出越來越難的目標以最大化探索；迭代提示機制，編寫程式碼，在遊戲中運行程式碼，讀取錯誤和環境反饋，並進行自我調試，直到技能發揮作用；以及技能庫，其中每個經過驗證的技能都通過自然語言描述嵌入進行存儲和索引。由於新技能是由先前儲存的技能組成的，因此能力會隨著時間的推移而複合。與之前的特工相比，航海家獲得了更多獨特的物品，旅行了更遠的距離，解鎖了科技樹里程碑的速度也快得多，而且它學到的技能也轉移到了新的世界。
技術洞察
Voyager 在上下文中學習，而不是透過改變模型權重。技能是經過驗證的程式碼片段；它透過嵌入其描述來保存，以便當出現新任務時，可以檢索語義相關的技能並將其作為構建塊提供。自我改進循環是：產生程式碼、執行、觀察錯誤和遊戲狀態、要求模型修復它，然後重複。這將試誤變成了持久的、可組合的程序，而不是短暫的推理。
掌握 Voyager 和技能庫代理
Voyager 是一款由 LLM 驅動的 2023 代理，可自主玩 Minecraft，透過編寫可重複使用的程式碼技能並將其儲存在不斷增長的庫中來不斷學習。它表明，智能體可以透過累積和重複使用程式來進行開放式終身學習，而無需任何梯度更新。 Voyager 和技能庫代理程式是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。為了建立深入的理解，請將 Voyager 和技能庫代理視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，強大的團隊使用 Voyager 和技能庫代理程式根據可靠性和成本優化架構、資料和基礎設施選擇。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
多年來，架構決策決定著效能和營運成本。同時，優化一個基準測試可以隱藏更廣泛的系統弱點。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
多年來，架構決策決定著效能和營運成本。
多年來，架構決策決定著效能和營運成本。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
更好的工程選擇可以減少生產中的可靠性事故。
更好的工程選擇可以減少生產中的可靠性事故。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
透過組合學到的技能，在 Minecraft 的科技樹（木頭到石頭到鐵到鑽石工具）中自主前進。
編寫並自我調試“我的和工藝”的程式碼技能，然後在該子任務重複出現時重複使用它。
當出現類似威脅時，透過嵌入的描述檢索先前儲存的「對抗殭屍」技能。
將學到的技能庫轉移到新生成的 Minecraft 世界，以更快地引導新任務。
實施模式
Voyager 和技能庫代理的實踐
透過組合學到的技能，在 Minecraft 的科技樹（木頭到石頭到鐵到鑽石工具）中自主前進。
透過組合學到的技能，在《我的世界》的技術樹（從木頭到石頭、從鐵到鑽石工具）中自主前進當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時，通常會獲得更好的結果。
Voyager 和技能庫代理的實踐
編寫並自我調試“我的和工藝”的程式碼技能，然後在該子任務重複出現時重複使用它。
編寫和自我調試“我的和工藝”的程式碼技能，然後在子任務重複出現時重用它當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時，通常會得到更好的結果。
Voyager 和技能庫代理的實踐
當出現類似威脅時，透過嵌入的描述檢索先前儲存的「對抗殭屍」技能。
當出現類似威脅時，透過嵌入的描述檢索先前儲存的「對抗殭屍」技能。當團隊預先定義品質閾值、為邊緣情況保留人員升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
Voyager 和技能庫代理的實踐
將學到的技能庫轉移到新生成的 Minecraft 世界，以更快地引導新任務。
將學到的技能庫轉移到新生成的 Minecraft 世界中，以更快地引導新任務 當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
優化一項基準測試可以隱藏更廣泛的系統弱點。
基礎設施和維護成本常常被低估。
隨著系統變得更加複雜，安全性和可觀察性差距可能會擴大。
實施路線圖
在實施之前定義延遲、品質和成本目標。
在實施之前定義延遲、品質和成本目標。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在實際負載和資料條件下進行基準測試。
在實際負載和資料條件下進行基準測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
儀器監控錯誤、漂移和使用者影響。
儀器監控錯誤、漂移和使用者影響。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在擴展之前準備回滾和事件回應路徑。
在擴展之前準備回滾和事件回應路徑。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。