微软华人团队最新研究：从LLM到LAM，让大模型真正具有「行动力」！

原标题：微软华人团队最新研究：从LLM到LAM，让大模型真正具有「行动力」！
文章来源：新智元
内容字数：6294字

微软大型行动模型LAM：AI从“”到“行动”的跨越

人工智能正经历一场从语言模型(LLM)到大型行动模型(LAM)的性转变。传统的LLM擅长理解和生成文本，但仅限于“纸上谈兵”。而LAM则更进一步，它不仅能理解指令，还能在软件环境中自主执行任务，真正做到“行动胜于言辞”。

1. LAM的核心能力： 与LLM不同，LAM能够将用户的自然语言指令转化为具体的行动步骤，例如在Microsoft Office中进行文档编辑、表格处理等。这并非简单的文本生成，而是直接在软件环境中进行操作，极大地提升了实际应用价值。想象一下，你只需要用语音或文字告诉LAM“帮我买一件男士夹克”，它就能帮你完成从挑选款式到网购的全过程，这比LLM只能提供文本步骤的效率高出许多。

2. LAM的开发过程： LAM的训练过程并非易事，它包含四个关键步骤：

任务分解与规划： 将复杂任务分解成逻辑步骤，并制定详细的执行计划。
行动生成与执行： 将计划转化为具体的行动指令，例如GUI操作或API调用。
动态调整与优化： 根据执行过程中的反馈，调整行动策略，提高效率和成功率。
奖励机制学习： 通过强化学习，根据任务完成情况给予奖励或惩罚，进一步优化模型性能。

3. LAM的数据收集与构建： LAM的训练依赖于高质量的数据。研究人员采用两阶段数据收集方法：

任务-计划数据： 收集用户请求（任务）及其对应的详细步骤（计划）。
任务-行动数据： 将计划转化为可在特定环境中执行的具体动作序列。

这些数据确保LAM既能进行高层次规划，又能执行低层次操作。

4. LAM的性能评估： 研究人员将LAM集成到GUI智能体UFO中进行测试。结果显示，LAM在Word环境中的任务成功率达到71%，显著高于GPT-4o在相同条件下的63%。此外，LAM的执行速度也更快，每个任务平均耗时仅30秒。

5. LAM的未来展望： LAM的出现为办公自动化、复杂任务处理等领域带来了新的可能性，例如自动执行文档编辑、表格处理等。虽然LAM目前仍面临一些挑战，例如在复杂环境中的错误操作可能带来风险，但它无疑代表了AI发展的重要方向，预示着未来AI助手将能够更积极地协助人类完成实际任务，朝着通用人工智能(AGI)迈进。

总而言之，LAM的出现标志着AI从简单的语言理解向实际任务执行的重大飞跃，它不仅能“”，更能“行动”，为我们的生活和工作带来更多便利。