#142 · 主分类： LLM应用框架
MoA
Together Mixture-Of-Agents (MoA) – 在AlpacaEval上使用开源模型达到65.1%
项目最后更新：01/07/25
GitHub Stars
3.0K
Forks数量
386
贡献者数量
9
许可证
Apache-2.0
收录理由
多数大模型应用只能接受单一模型给出的答案，而MoA用一套简洁的参考实现演示了另一种思路：先把同一个问题交给多个开源模型分别作答，再由一个独立的聚合模型把这些回答融合成更优的最终结果。这种组合还可以一层层堆叠，每多叠一层，输出质量往往还能再上一个台阶。论文作者在AlpacaEval 2.0上拿到65.1%的成绩，超过了GPT-4 Omni的57.5%，而且用的全是开源模型。仓库里把这一模式拆得很清楚：大约50行就能跑通的基础示例、支持多层的进阶脚本，外加一个交互式命令行聊天程序，你可以先完整观察整个流程的运作，再把它移植到自己的项目里。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
langchain
智能体工程平台。
dify
在一个协作工作区中构建Agentic工作流、RAG管道，支持丰富的AI模型和工具。可部署在云、VPC或自托管环境，团队无需重建技术栈即可从原型走向生产。
headroom
压缩工具输出、日志、文件和RAG块，再送入LLM。编码代理减少20% token，JSON减少60-95% token，答案不变。提供库、代理、MCP服务器。
litellm
最快的、最轻量的AI网关。Rust核心，Python SDK。以OpenAI（或原生）格式调用100多种LLM API，具备成本追踪、护栏、负载均衡和日志记录 [Bedrock, Azure, OpenAI, Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM]
llama_index
LlamaIndex 是领先的文档代理和 OCR 平台