Language Agent Tree Search 🤖🌲

随着大型语言模型（LLMs）变得更快、更好、更便宜，开发人员将能够构建具有代理能力的系统，这些系统能够规划出一整个可能未来的树，而不只是按顺序规划下一个状态（例如在ReAct中）。这对于更高阶的研究任务至关重要。

Language Agent Tree Search（LATS）由@恒虚之境提出，受到现有蒙特卡洛树搜索技术（在像AlphaGo这样的强化学习环境中使用）的启发。该代理能够迭代地规划出一个完整的可能未来树。与其他论文如Tree-of-thought不同，该代理能够将基于树的规划与工具使用、反思以及一种平衡开发和探索的Smart Selection策略交错进行。

我们很兴奋能够将其作为LlamaPack在@Llamaespa中实现，感谢@文成厚。具体来说，我们向您展示了它如何适用于具有代理能力的RAG（检索增强生成）用例。

完整的食谱：https://github.com/run-llama/llama_index/blob/main/docs/docs/examples/agent/lats_agent.ipynb
LlamaPack：https://llamahub.ai/l/agent/llama-index-agent-lats?from=agent
来源论文：https://arxiv.org/pdf/2310.04406.pdf