従来の定義済みアクションに制限される大規模言語モデルエージェントの限界を克服するため、動的にアクションを生成・蓄積し、Pythonコードとして実行する新しいフレームワーク「DynaSaur」を提案する。
Infant Agentは、ツール統合、階層的なエージェントコラボレーション、メモリ検索メカニズムを通じて、大規模言語モデルの推論能力とタスク実行能力を向上させ、APIコストを大幅に削減する。
本稿では、LLMエージェントが環境とのインタラクションを通じて自律的にルールを構築・更新し、新しい環境に適応できるようにするフレームワーク「AutoManual」を提案する。
本論文では、5万件以上のインタラクション軌跡データセット「AGENTBANK」を用いた、汎用的な大規模言語モデルエージェントの開発と評価について述べています。