今天想和大家聊一个有趣的框架——PlanGEN，它是由Google AI推出的。这个框架是关于如何让 AI 更好地进行规划和推理的。听起来是不是很酷？我一开始看到这个概念的时候，就觉得这可能是让 AI 更接近人类思维的一个重要步骤。那么，PlanGEN 到底是什么呢？它又是如何工作的呢？让我们一起来深入了解一下。

PlanGEN 是什么？

PlanGEN 是一个用于生成规划和推理轨迹的多智能体框架，目的是解决复杂问题。这个框架的核心在于通过三个关键组件——约束智能体、验证智能体和选择智能体——来提升 AI 在推理过程中的表现。

为什么需要 PlanGEN？

在传统的 AI 框架中，尤其是在处理复杂规划问题时，往往会遇到一些瓶颈。比如，AI 可能无法很好地验证生成的计划，或者在面对不同复杂度的任务时，无法灵活调整策略。这就像是让一个人在没有地图的情况下在一个陌生的城市里找到一条最优路径，难度可想而知。而 PlanGEN 的出现，就像是给 AI 配备了一张智能地图，让它能够更好地理解和应对各种复杂的任务。

PlanGEN（算法混合）的示意图。由初始计划和约束条件引导计划的迭代优化。验证智能体为计划质量提供奖励分数，选择智能体则挑选推理算法，直至找到奖励最高的计划并用于下游推理（如需要）。其中，UCB表示上置信界限，BoN表示最佳N选，ToT表示思维树，RS表示REBASE。

PlanGEN 的核心组件

约束智能体

约束智能体的作用是从问题描述中提取出关键的约束条件。这些约束条件就像是解决问题的边界，告诉 AI 哪些是必须遵守的规则。比如，在一个日程安排的问题中，约束条件可能包括每个人的时间安排、会议的时长等。通过明确这些约束，AI 能够更准确地生成符合要求的计划。

这些信息将作为后续规划的基础。

验证智能体

验证智能体则负责评估生成的计划是否符合这些约束条件。它会对每个计划进行打分，分数越高，说明计划越符合要求。这个过程就像是有一个严格的老师在检查作业，确保每一步都正确无误。验证智能体还会提供反馈，帮助 AI 理解哪些地方做得好，哪些地方需要改进。

例如，在一个日程安排问题中，验证智能体会检查计划中的时间安排是否符合每个人的时间表，并给出相应的分数。

选择智能体

选择智能体则是整个框架的“指挥官”。它会根据问题的复杂度和历史表现，动态地选择最适合的推理算法。这就像是在不同的路况下，选择最合适的交通工具，以达到最优的效果。选择智能体使用了一种改进的 Upper Confidence Bound（UCB）策略，综合考虑了多种因素，确保每次选择都能最大化解决问题的可能性。

PlanGEN 的工作流程

PlanGEN 的工作流程可以简单概括为以下几个步骤：

1. 提取约束：约束智能体从问题描述中提取关键约束。
2. 生成计划：基于这些约束，AI 生成多个候选计划。
3. 验证计划：验证智能体对每个计划进行评估，给出分数和反馈。
4. 选择算法：选择智能体根据评估结果，选择最适合的推理算法。
5. 迭代优化：根据选择的算法，AI 对计划进行调整和优化，直到找到最优解。

这个过程就像是一个团队在协作解决问题，每个成员都有自己的职责，共同推动问题的解决。

PlanGEN 的不同框架

PlanGEN 提出了四种不同的框架，分别是 PlanGEN (Best of N)、PlanGEN (ToT)、PlanGEN (REBASE) 和 PlanGEN (Mixture of Algorithms)。每种框架都有其独特的特点和适用场景。

PlanGEN (Best of N)

PlanGEN (Best of N) 框架通过生成多个候选计划，并选择其中得分最高的计划作为最终计划。这种框架简单高效，适用于大多数场景。

PlanGEN (Best of N) 的示意图

PlanGEN (ToT)

PlanGEN (ToT) 框架通过树状结构逐步生成计划，并选择得分最高的路径继续扩展。这种框架适用于需要逐步推理的复杂问题。

PlanGEN (ToT) 的示意图。最高得分的步骤用绿色突出显示。

PlanGEN (REBASE)

PlanGEN (REBASE) 框架通过动态选择和扩展策略，逐步生成计划。这种框架适用于需要动态调整的复杂问题。

PlanGEN (REBASE) 的示意图。绿色阴影表示步骤得分（越深得分越高）。深色步骤优先探索。

PlanGEN (Mixture of Algorithms)

PlanGEN (Mixture of Algorithms) 框架结合了上述三种框架，动态选择最适合的推理算法。这种框架适用于各种复杂度的任务。

PlanGEN (Mixture of Algorithms)

PlanGEN 的实验结果与表现

在实验中，PlanGEN 在多个基准测试中都表现出了显著的性能提升。比如，在 NATURAL PLAN 基准测试中，PlanGEN 在日程安排、会议规划和旅行规划等任务上，都取得了比其他方法更高的准确率。在科学和数学推理任务中，PlanGEN 也展现出了强大的能力，尤其是在解决复杂问题时，其优势更加明显。

不同框架在四个基准测试中的性能比较

不同推理算法在不同复杂度的日程安排任务中的性能比较

总结 PlanGEN 的优势与局限性

PlanGEN 的优势在于它能够动态适应不同复杂度的任务，通过多智能体的协作，显著提升了 AI 的规划和推理能力。然而，它也有一些局限性。比如，它在选择推理算法时依赖于预定义的启发式规则，这可能在某些任务上不够灵活。此外，PlanGEN 的计算开销相对较大，可能需要进一步优化以适应更广泛的应用场景。

尽管存在一些局限性，PlanGEN 无疑为 AI 的规划和推理能力带来了新的可能性。PlanGEN 的出现，让我们看到了 AI 在复杂问题求解方面的巨大潜力。通过多智能体的协作，AI 能够更好地理解和应对复杂的任务，这无疑为未来的 AI 发展提供了新的思路。希望这篇文章能让你对 PlanGEN 有一个全面的了解，也期待你在评论区分享你的看法和想法。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】