文章摘要
【关 键 词】 智能设计、元智能体、自我学习、性能优越、AI研究
由不列颠哥伦比亚大学（UBC）等机构的研究人员提出的智能体自动化设计（ADAS）系统，展示了AI自我设计智能体的能力。ADAS通过元智能体使用搜索算法自动构建强大的智能体，包括发明新的构建模块或以新方式组合现有模块。这种系统具有图灵完备性，能够学习任何可能的智能体系统，实现自我改进和自我进化。
ADAS由搜索空间、搜索算法和评估函数三个关键部分组成。搜索空间定义了所有可能的智能体系统，搜索算法用于在搜索空间中寻找优秀设计，评估函数则用于判断智能体的质量或性能。研究人员提出的元智能体搜索算法，让基础模型作为元智能体，根据不断扩增的数据库迭代新智能体。
在实验中，元智能体搜索算法在抽象和推理语料库（ARC）挑战中表现优越，能够发现新的代理系统，优于现有的人工设计智能体。此外，在数学、阅读和推理领域的测试中，元智能体搜索也能发现性能优于现有智能体的系统。特别是在阅读理解和数学领域，自我学习的智能体将人工设计智能体远远甩在身后。
元智能体搜索的智能体不仅在特定任务上有效，还具有可转移性和可推广性。实验表明，从一种模型转移到另一种模型，或从数学领域转移到非数学领域，元智能体搜索的智能体仍然保持优越性能。这表明元智能体搜索可以发现可推广的设计模式和智能体系统。
论文的一作和二作是UBC的Shengran Hu和Cong Lu，他们分别专注于AI智能体和开放式学习系统，以及安全、具有好奇心的自主智能体的开发。他们的导师Jeff Clune是UBC计算机科学的教授，也是CIFAR AI主席和向量学院成员，致力于推动AI研究的发展。
原文和模型
【原文链接】 阅读原文 [ 2553字 | 11分钟 ]
【原文作者】 新智元
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
