https://github.com/togethercomputer/MoA

Together Mixture-Of-Agents (MoA) – 65.1% on AlpacaEval with OSS models
https://github.com/togethercomputer/MoA

Last synced: 3 months ago
JSON representation

Together Mixture-Of-Agents (MoA) – 65.1% on AlpacaEval with OSS models

• Host: GitHub
• URL: https://github.com/togethercomputer/MoA
• Owner: togethercomputer
• License: apache-2.0
• Created: 2024-06-04T17:23:26.000Z (8 months ago)
• Default Branch: main
• Last Pushed: 2024-10-17T22:20:59.000Z (3 months ago)
• Last Synced: 2024-11-04T20:50:21.692Z (3 months ago)
• Language: Python
• Homepage:
• Size: 22.2 MB
• Stars: 2,590
• Watchers: 35
• Forks: 352
• Open Issues: 21
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

• ai-game-devtools - Mixture of Agents (MoA) - of-Agents Enhances Large Language Model Capabilities. |[arXiv](https://arxiv.org/abs/2406.04692) | | Agent | (<span id="game">Game (Agent)</span> / <span id="tool">Tool (AI LLM)</span>)
• awesome-LLM-resourses - MoA - of-the-art results. (智能体 Agents)
• StarryDivineSky - togethercomputer/MoA - of-Agents (MoA) 是一种利用多个大型语言模型 (LLM) 的集体优势来提高性能的新方法，在 AlpacaEval 2.0上取得了最先进的结果。通过采用分层架构，其中每一层包含多个 LLM 代理，MoA 使用仅开源模型，显著优于 GPT-4 Omni 的 57.5% 的得分，达到了 65.1% 的得分。该项目提供了一个简单的 50 行代码示例，展示了如何使用 MoA，以及一个更高级的示例，展示了如何使用多层 MoA。此外，该项目还提供了一个交互式命令行界面 (CLI) 演示，展示了一个简单的多轮聊天机器人，其中最终响应来自各种参考模型的聚合。用户可以通过输入指令与聊天机器人进行交互，并获得基于多个模型的聚合响应。 (A01_文本生成_文本对话 / 大语言对话模型及数据)
• alan_awesome_llm - MoA - of-the-art results. (Agents)
• alan_awesome_llm - MoA - of-the-art results. (Agents)