Architektura agentów AI — ReAct, pamięć, planowanie i systemy wieloagentowe · Tool-Augmented LLM — narzędzia, funkcje i środowisko
Toolformer i MRKL — jak LLM uczy się kiedy i jak wywoływać narzędzia
Tool-Augmented LLM — narzędzia, funkcje i środowisko
Wprowadzenie
Dwa przełomowe systemy z 2022 roku ugruntowały paradygmat tool-augmented LLM: MRKL (Karpas et al., AI21 Labs) zaprezentował architekturę routera wybierającego moduł ekspertowy (kalkulator, knowledge base, search), a Toolformer (Schick et al., Meta) pokazał jak model może samodzielnie nauczyć się KIEDY wywoływać API i jak interpretować wyniki przez self-supervised data augmentation. Lekcja analizuje mechanizmy obu podejść, ich różnice architektoniczne i wpływ na współczesne systemy function calling.