快手Kwai Agents系统、模型、数据全部开源

7B的模型也能玩转AI Agents了？近期，快手开源了Kwai Agents，亲测发现，问它周末滑雪问题，它不但能帮你找到场地，连当天的天气都帮你考虑周到了。

大语言模型（LLM）通过对语言的建模而掌握了大量知识，并具备一定认知和推理能力。但由于无法跟世界保持实时的交互，在单独使用的情况下，常会出现一本正经地胡说八道的现象。而AI Agents就是解决这个问题的道路之一，它通过激发大模型任务规划、反思、调用工具等能力，使大模型能够借助现实世界工具提升生成内容的准确性，甚至有能力解决复杂问题。

据了解，KwaiAgents是一个先进的AI智能体系统，由快手联合哈尔滨工业大学研发，通过使用大型语言模型来模仿人类认知技能，可应用于自然语言处理、语音识别等领域。Kwai Agents可以使7B/13B的“小”大模型也能达到超越GPT-3.5的效果，目前该项目已将系统、模型、数据、评测全部开源，使得更多的研究人员可以参与其中。

技术报告：https://arxiv.org/abs/2312.04889

项目主页：https://github.com/KwaiKEG/KwaiAgents

从「KwaiAgents」的Github主页中可以看到，本次开源内容包含：

1.系统（KAgentSys-Lite）：轻量级AI Agents系统，并配备事实、时效性工具集；

2.模型（KAgentLMs）：Meta-Agent Tuning后，具有Agents通用能力的系列大模型及其训练数据；

3.评测（KAgentBench）：开箱即用的Agent能力自动化评测Benchmark与人工评测结果。

KAgentBench通过人工精细化标注的上千条数据，做到了开箱即用，让大家能够用一行命令评测一个大模型在不同模板下，各方面的Agents能力。下表显示了经过快手团队调优后，7B-13B模型各项能力的提升，且超越了GPT-3.5的效果：

同时，作者们还请人类标注者在200个事实性和时效性的问题（如“刘德华今年几岁了”），对不同的大模型和Agent系统进行了交叉评估，可以看到KAgentSys系统和MAT之后模型提升显著（百分号前为正确率，括号内为5分制均分）。

通常仅依赖网页搜索对一些长尾问题和热门问题返回结果不佳。比如问到“安东内拉比梅西大多少天？”这类长尾问题，往往搜索结果返回的都是一些两者的八卦新闻，而返回不了一些关键信息。而KAgentSys 通过调用百科搜索工具获取精准的出生日期，再调用time_delta时间差工具算出年龄差，就能精准回答这个问题了。