AutoGen

Deskripsi jaringan saraf AutoGen

AutoGen adalah agen AI dari Microsoft yang menghasilkan kode, dokumen, dan konten lain dari aplikasi teks sederhana. Alat ini memungkinkan pengembangan rutin otomatis tugas dengan menerapkan model bahasa untuk memenuhi permintaan pengguna.

Proyek ini secara langsung terkait dengan kerja Microsoft Research di bidang optimisasi agen bahasa. Alih-alih fine- tuning model dengan mengubah bobot, AutoGen menawarkan pendekatan yang berbeda: instruksi teks agen (keterampilan) dioptimalkan berdasarkan analisis hasil kerjanya. Agen ini melakukan tugas, dan model optimizer khusus memeriksa kesalahan yang dibuat dan menunjukkan edits target, yang diterima hanya jika mereka benar-benar meningkatkan hasil akhir.

Fitur kunci proyek adalah kode open source. Keterampilan yang dihasilkan dapat diekspor ke berkas tunggal 'best _ skier.md', yang kemudian digunakan untuk menyebarkan agen dalam lingkungan baru dan nyala model lain.

Karakter AutoGen

126; Karakter 124; Nilai 124; 126; --- 128; --- 128; 124; Tipe Proyek Penelitian 124; alat untuk mengoptimalkan keterampilan agen bahasa = 124; Kategori: Alat Pengembang, agen AI, Riset 124; Pengembang: Microsoft Research 124; 124; Ketersediaan Kode 124; Sumber terbuka 124; 124; Didukung model GPT-5.5, GPT-5.4, GPT-5.4-mini, GP-5.4-nano, GPT-5.2, Qwen3.6- 35B-A3B, Qwen3.5-4B 124; Tanggal Penerbitan: 26-05-2026. Tanggal Verifikasi 12.06.2026. 126; Model Distribusi = 124; Tidak dinyatakan 124;

Untuk siapa jaringan saraf AutoGen?

# # Pengembang

Cocok bagi pengembang yang bekerja dengan agen bahasa dan ingin meningkatkan perilaku mereka tanpa pelatihan ulang atau mengubah berat badan model. Alat ini membantu pengembangan rutin otomatis dan meningkatkan efisiensi agen dalam pekerjaan sehari-hari.

# # Peneliti

Akan berguna bagi peneliti dalam proses belajar mesin dan pengolahan bahasa alami yang mempelajari cara untuk mengoptimalkan agen bahasa dengan mengubah instruksi teks. Kode sumber terbuka memungkinkan mereka untuk memahami algoritma secara rinci dan beradaptasi itu untuk percobaan mereka sendiri.

Bagaimana menggunakan jaringan saraf AutoGen?

# # Mendapatkan dimulai dengan proyek

Anda harus mengunjungi halaman proyek di GitHub dan terbiasa dengan kode open source, artikel yang menemani, dan gambaran video. Ini akan membantu Anda memahami bagaimana algoritma optimasi bekerja dan apa kemampuan yang disediakan.

# # The skill optimisasi proses

Pekerjaan berputar di sekitar sebuah loop iteratif: agen dijalankan pada satu set tugas, hasil dikumpulkan, model optimizer menganalisis keberhasilan dan kegagalan, dan kemudian membuat target edits ke instruksi - menambahkan, menghapus, atau mengganti elemen individu.

# # Ekspor dan penyebaran

Keterampilan akhir diekspor ke sebuah berkas 'best _ skial.md' tunggal. Hanya berkas ini yang diperlukan untuk menyebarkan agen - tidak ada berat model tambahan atau memori optimizer diperlukan, yang menyederhanakan mentransfer keterampilan antara lingkungan eksekusi.

Fungsi utama AutoGen

# # Agent instruksi optimisasi

Proyek ini memungkinkan meningkatkan perilaku dari agen bahasa beku dengan mengubah hanya instruksi teks (keterampilan), tanpa mengubah berat badan model.

# # Iterative belajar loop

Algoritma pembelajaran penuh dengan maju dan ke belakang diimplementasikan: agen bekerja pada tugas, hasilnya dikumpulkan dan dianalisis oleh model optimizer, yang menunjukkan ditargetkan untuk perbaikan.

# # Sunting mekanisme kontrol

Hanya perubahan yang benar-benar meningkatkan hasil pada bantuan - out set dipilih. Mekanisme anggaran penyuntingan mencegah semua pola yang benar-benar ditulis ulang oleh perubahan tunggal yang sukses, dan menolak edits digunakan sebagai umpan balik negatif bagi optimizer tersebut.

# # Skill portability

Keterampilan yang dihasilkan dapat diekspor ke satu berkas dan ditransfer antara model yang berbeda dan lingkungan eksekusi tanpa kehilangan efektivitas.

Kemajuan AutoGen

# # High kinerja

Proyek ini mencapai hasil terbaik atau bersama-sama terbaik dalam 52 dari 52 model, benchmark, dan eksekusi kombinasi lingkungan. Keuntungan rata-rata untuk GPT-5.5 adalah plus 23,5 persen dibandingkan dengan berjalan tanpa keterampilan.

# # Skill portability

Keterampilan yang dilatih untuk satu model transfer ke model lain - misalnya, ketika mentransfer dari GPT-5,4 ke GPT-5.4-nano, keuntungannya adalah 15,2 poin. Keterampilan dari transfer lingkungan Codex ke Claude Code dengan keuntungan 31.8 poin pada SpreadsheetBench.

# # Kemudahan penyebaran

Hanya satu berkas keterampilan yang diperlukan untuk menyebarkan agen, tanpa tambahan bobot atau memori optimizer. Sumber terbuka disertai dengan suatu artikel dan gambaran video, yang membuatnya lebih mudah untuk berkenalan dengan proyek tersebut.

Penyesalan AutoGen

Proyek ini ditujukan terutama pada audiens teknis: pekerjaan penuh dengan proyek ini membutuhkan pengetahuan dalam pengembangan dan pemahaman tentang bagaimana agen bahasa bekerja. Antar muka dan model optimizer hanya tersedia dalam bahasa Inggris, yang mungkin membatasi jangkauan pengguna.

Harga dan persyaratan pendaftaran tidak secara resmi dispesifikasikan; namun, proyek memiliki kode open source, yang menyiratkan penggunaan bebas. Bagian merugikan berisi data terbatas dalam bahan sumber.

Tugas apa yang AutoGen selesaikan?

# # Meningkatkan perilaku agen bahasa

Alat ini memungkinkan kualitas kerja agen bahasa tanpa mengubah beratnya, yang sangat berharga ketika model pelatihan ulang tidak mungkin atau tidak praktis.

# # Optimizing instruksi teks

Proyek ini memecahkan masalah mengoptimalkan keterampilan agen berdasarkan analisis hasil kerjanya, otomatisasi proses yang akan membutuhkan upaya yang signifikan dan waktu jika dilakukan secara manual.

Harga autoGen

Biaya penggunaan yang tepat tidak ditentukan. Proyek ini didistribusikan dengan kode sumber terbuka, yang menyiratkan kemungkinan penggunaan bebas. Untuk up- to -date informasi harga, disarankan untuk merujuk ke halaman projek di GitHub.

Istilah autoGen digunakan

Proyek ini memiliki kode sumber terbuka dan diselenggarakan di GitHub. Apakah pendaftaran diperlukan untuk digunakan tidak dinyatakan dalam data sumber. Disarankan untuk meninjau syarat pada halaman proyek resmi.

Ketersediaan AutoGen

AutoGen tersedia sebagai proyek penelitian Microsoft di GitHub. Antarmuka dan bahasa model optimizer adalah Bahasa Inggris. Penggunaan tidak memerlukan VPN. Proyek ini tersedia untuk mempelajari dan menjalankan model bahasa saat ini, termasuk GPT-5.5, GPT-5.4, GPT-5,4-mini, GPT-5.4-nano, GPT-5.2, Qwen3.6- 35B-A3B, dan Qwen3.5-4B

Bagaimana AutoGen berbeda dari alternatif

Tidak seperti koreksi-self sederhana, AutoGen menerapkan algoritma pembelajaran penuh dengan maju dan mundur, sebuah anggaran penyuntingan, dan umpan balik negatif. Pendekatan ini memungkinkan tidak hanya mengoreksi instruksi, tetapi secara sistematis meningkatkan keterampilan agen dengan verifikasi efektivitas setiap perubahan pada set bantuan-keluar.

Perbedaan tambahan adalah kemampuan untuk mentransfer keterampilan yang dihasilkan antara model yang berbeda dan lingkungan eksekusi, yang membuat proyek ini menjadi alat yang fleksibel bagi mereka yang bekerja dengan beberapa model bahasa sekaligus atau berencana untuk mengubahnya di masa depan.

Kesimpulan

AutoGen adalah proyek Microsoft Research yang memungkinkan secara efektif meningkatkan kemampuan agen bahasa dengan mengoptimalkan instruksi teks daripada model itu sendiri. Ini menunjukkan hasil yang mengesankan pada benchmark, mendukung keterampilan transfer antara model yang berbeda dan lingkungan eksekusi. Berkat kode sumber terbuka dan materi yang menemani, proyek tersebut tersedia untuk dipelajari bagi pengembang dan peneliti yang tertarik pada aplikasi praktis dari teknologi optimasi agen bahasa.