一直以来，LLM智能体被众多业界AI大佬看好，甚至有望成为将人类从琐碎工作中解放出来的利器。
但是，它们该如何与世界进行最佳互动?
最近，来自UIUC和苹果的华人研究员，提出了一种全新的智能体框架——CodeAct。
它通过采用可执行的Python代码，来统一LLM智能体的行动。
论文地址:https://arxiv.org/pdf/2402.01030.pdf
与多数现有的LLM智能体不同的是，CodeAct的突出之处在于:能够充分利用现有LLM对代码数据的预训练，以实现低成本高效的采用。
而且本质上可以通过控制和数据流支持复杂的操作，还可以使用广泛的软件包来扩展行动空间和自动反馈。
对此，作者还构建了一个CodeActAgent工具，在Mistral7B模型之上搭建，能够通过对话完成代码任务。
比如，「你能创建100个随机数据点（每个数据点的维度为2）并创建散点图吗?运行 k-means 对它们进行聚类并可视化」。
让LLM成为最优智能体
当允许访问API的行动模块进行增强时，LLM的行动空间可以扩展到传统的文本处理之外。
从而让LLM获得工具调用和内存管理等功能，并冒险进入现实世界的任务，例如控制机器人并进行科学实验 。
那么，如何有效拓展LLM智能体解决复杂现实问题的行动空间?
如下图1左上，许多现有研究已经检验了使用文本，或JSON来生成行动。
然而，这两种方法通常都受到行动空间范围的限制（行动通常是针对特定任务定制的）和灵活性有限(例如无法在单个行动中组合多个工具)。
另外一些研究展示了，使用LLM生成代码来控制机器人或游戏角色的潜力。
然而，它们通常依赖于预先指定的控制原语和手工设计的提示，更重要的是，它们很难根据新的环境观察和反馈动态调整或发出行动。
对此，这项研究提出了一个通用框架CodeAct，允许LLM生成可执行的Python代码作为行动（图1右上）。
CodeAct旨在处理各种应用程序，并具有独特的优势:
（1） CodeAct与Python解释器集成，可以执行代码行动，并动态调整先前的行动，或根据通过多轮交互(代码执行)收到的观察结果发出新行动。
（2） 代码行动允许LLM利用现有软件包。CodeAct可以使用现成的Python包来扩展行动空间，而不是手工制作的特定于任务的工具。它还允许大模型使用大多数软件中实现的自动反馈(例如错误消息)，通过自我调试其生成的代码来改进任务解决。
（3） 代码数据广泛应用于当今大模型的预训练中。这些模型已经熟悉结构化编程语言，因此可以经济高效地采用 CodeAct。
（4） 与JSON和预定义格式的文本相比，代码本质上支持控制和数据流，允许将中间结果存储为变量以供重用，并用一段代码允许组合多个工具来执行复杂的逻辑操作(例如，if-语句、for循环)，从而释放大模型预训练的编程知识来处理复杂任务的潜力。
在图1中，使用CodeAct（右上角）的法学硕士可以通过for循环将相同的工具序列应用到所有输入，只需一个行动。而文本或JSON必须对每个输入采取行动。
CodeAct框架
在图2中，首先介绍了LLM智能体在现实世界中使用的一般多轮交互框架，该框架考虑了三个角色:
智能体、用户、环境。
研究人员将交互定义为智能体与外部实体（用户或环境）之间的信息交换。
在每一轮交互中，智能体从用户（如自然语言指令）或环境(如代码执行结果)接收观察结果(输入)，通过思维链(CoT)选择性地规划其行动，并以自然语言或环境向用户发出行动(输出)。
CodeAct采用Python代码来整合智能体与环境交互的所有操作。
在CodeAct中，向环境发出的每个动作都是一段Python代码，而智能体将收到代码执行的输出（如结果、错误）作为观察结果。
CodeAct作为强大工具使用框架的前景
研究中，作者进行了一项对照实验，以了解哪种格式（文本、JSON、CodeAct）更有可能引导LLM生成正确的原子工具调用。
本实验的表现，反映了LLM对相应格式的熟悉程度。
研究人员假设使用CodeAct调用工具是为模型使用工具的更自然的方式，模型通常在训练期间广泛接触代码数据。
对于大多数LLM，即使在其控制和数据流强度被削弱的原子操作（简单化的工具使用场景）中，CodeAc也能实现相当或更好的性能。
与闭源LLM相比，CodeAct的改进在开源模型中更为突出。
此外，对于微调开源LLM来说，代码数据通常比专门JSON或文本工具调用格式更容易访问。尽管JSON始终弱于其他开源模型方法，但它在闭源LLM中实现了不错的性能，这表明这些闭源模型可能已经针对其JSON功能进行了有针对性的微调。
这些结果表明，对于开源大模型来说，针对CodeAct进行优化是比其他方法更好的途径来提高其工具使用能力，因为由于在预训练期间广泛接触代码数据，它们已经表现出了良好的初始CodeAct能力。
CodeAct以更少的交互完成更多工作
除此之外，作者研究了LLM智能体是否可以，从需要复杂工具使用模式的问题上的代码控制和数据流中受益。
这里，研究人员策划了一个基准
来评估LLM解决通常需要多次调用多个工具的复杂任务的能力。
作者在表3中列出了全部结果，在图1中列出了可视化结果子集。
CodeAct通常具有更高的任务成功率（17个已评估LLM中有12个）。此外，使用CodeAct执行任务所需的平均交互轮数也较低。
比如，与次佳操作格式（文本）相比，最佳模型gpt-4-1106-preview实现了20.7%的绝对改进，同时平均减少了2.1个交互回合。
然而，就CodeAct的绝对性能而言，开源和闭源LLM之间仍存在显著差距，最佳开源模型的绝对性能提高了13.4%，而最佳闭源模型gpt-4-1106-preview的绝对性能提高了74.4%。
这可能是由于开源模型的任务解决能力较弱，无法在没有演示的情况下遵循复杂指令，这表明迫切需要改进开源 LLM，以在零样本设置下完成实际任务。
CodeAct受益于多轮交互和现有软件包
研究人员还展示了LLM智能体如何与Python集成，并使用现有软件在多轮交互中执行复杂的任务。
得益于在预训练期间学到的丰富的Python知识，LLM智能体可以自动导入正确的Python库来解决任务，而不需要用户提供的工具或演示。
如图3所示，CodeActAgent可以使用Pandas下载和处理表格数据，使用Scikit-Learn进行机器学习训练-测试数据分割和回归模型训练，并使用Matplotlib用于数据可视化。
此外，使用交互式Python解释器执行代码可以自动显示错误消息，帮助LLM智能体在多轮交互中「自我调试」其操作，并最终正确完成人类用户的请求。
构建开源LLM智能体
CodeAct所展示潜力的结果，激励研究人员构建一个开源的LLM智能体，可以通过CodeAct与环境交互，又可以使用语言与人类进行交流。
为了提高开源LLM的CodeAct能力，作者介绍了CodeActInstruct，这是一个包含智能体与环境交互轨迹的指令微调数据集。
如表4，是CodeActInstruct的数据组成，以及与先前工作的对比。
接下来，研究人员对Llama-27B和Mistral7B的CodeActInstruct和一般对话进行了微调，进而获得CodeActAgent
CodeActAgent在CodeAct任务中表现出色。
如表5所示，CodeActAgent（两种变体）在MINT的域内和域外子集上都比所有评估的开源LLM表现更好。
在
上，作者发现CodeActAgent（Mistral）的性能优于类似规模(7B和13B)的开源LLM，甚至达到了与70B模型相似的性能。
令人惊讶的是，Llama-2变体没有观察到任何改进。
CodeActAgent概括为文本操作。
当对域外文本操作进行评估时，从未针对文本操作进行过优化的CodeActAgent （LLaMA2，7B） 实现了与对文本操作进行显式调整的AgentLM-7B相当的性能。
在表5中，还发现CodeActAgent保持或提高了一般LLM任务的性能。
在表5中，研究人员还发现CodeActAgent（两个变体）在测试的一般LLM任务中表现更好，除了CodeActAgent(Mistral-7B)在MMLU上略有下降。
参考资料:
https://twitter.com/xingyaow_/status/1754556835703751087