最近清華大學的研究團隊針對提升LLM智能體能力的問題,提出了AgentTuning方法。該方法包含構建AgentInstruct智能體數據集和採用混合指令微調策略。作者利用AgentTuning對Llama 2系列進行微調,得到AgentLM。結果表明,AgentLM相比Llama 2在多種智能體任務上取得明顯提升,70B版本在許多任務上甚至超過GPT-4,提供了開源的強大替代方案。該研究爲LLM在智能體任務領域發展提供了新的思路,也爲未來實現更智能化的智能體系統奠定了基礎。