斯坦福大学的研究团队最近发布了 AgentFlow，这是一个可训练的智能代理框架，旨在通过模块化设计和工具集成，提升 AI 的智能决斯坦策能力。AgentFlow 由四个模块组成:规划器（Planner）、执行器(Executor)、验证器(Verifier)和生成福研器(Generator)，并通过显式内存进行协调。在每一步中，规划器会提出子目标并选择适当的工具和上下文，执行器则负责调用工具，验究团证器则判断是否继续，而生成器则在任务完成后给出最终答案。

这一框架的核心创新在于其训练方法 ——Flow-GRPO（基于流的组精炼策略优化）队发。这种方法能够将长时间跨度、稀疏奖励的优化问题转化为可处理的单轮更新。具体来说，Flow-GRPO 会在每一步中广播一个单一的可验证的轨迹布 级信号，将成功的全局目标与局部步骤对齐。同时，它使用每个 token 的加权比率计算，结合 PPO 风格的剪辑和 KL 惩罚，防止策略漂移。

在多个基Ag准测试中，研究团队对 AgentFlow 进行了评估，主要涵盖知识密集型搜索、代理推理、数学和科学四个任务类型。经过 Flow-GRPenO 优化的7B 模型在10个基准上的表现平均提高了14.9%（搜索任务）、14.0%(代理推理)、14.5%(数学任务)和4.1%tF(科学任务)。研究团队表示，该模型在这些任务上超越了现有的强基线，甚至超过了 GPT-4o。

此外，研究还表明，使用 AgentFlolow 的工具调用的可靠性有了显著提升，工具调用错误减少了28.4%。这些成果表明，在更大的轮次预算和模型规模下，规划质量有了明显改善。

Aw：gentFlow 的公开实现展示了一个模块化工具包，并附带了快速启动脚本，方便用户进行推理、训练和基准测试。该项目采用 MIT 许可证，确保为模了其开源和可访问性，支持广泛的研究与开发。

划重点:  

️ AgentFlow 是一个模块化的 AI 代理框架，包含规划块化器、执行器、验证器和生成器四个模块。  

Flow-GRPO 训练方法能够高效优化代理的决策过程，通过轨迹级奖励对每、工个步骤进行指导。  

实验结果显示，AgentFlow 在多个基准测试中表现优异，平均提高了14.9% 的任务完成率具使，超越了现有的强基线。

• ·云安全日报210803：红帽HTTP加速器发现请求走私攻击漏洞,需要尽快升级
• ·标签: 智谱 GLM Coding Plan GLM-5 开源大模型
• ·梗概是什么意思啊
• ·标签: 优必选 锋龙股份 要约收购 协议转让
• ·Pinterest 图板功能获AI驱动升级，旨在成为“AI购物助手”
• ·标签: 云知声 U2 大语言模型 智能体
• ·莆田版GPT-3开源：同等复现预训练模型GPT Neo
• ·一篇带给你Serverless 云开发高阶应用
• ·标签: 富士智能 IPO 消费电子 汽车精密
• ·云安全日报201224：IBM MQ消息中间件发现敏感信息泄露漏洞,需要尽快升级
• ·标签: 米哈游 刘伟 徐汇区 十四五
• ·如何通过数据驱动的分析方法实现可持续发展
• ·AI床垫独角兽Eight Sleep狂揽1亿美元：让你的床成为健康卫士，F1车手都为它疯狂
• ·标签: 拼多多 新拼姆 千亿扶持 多多好特产
• ·标签: 东方甄选 俞敏洪 北京旗舰店 小时达
• ·云计算开发：Python3-center()方法详解