欢迎来到CAMEL文档！#
Finding the Scaling Law of Agents: The First and the Best Multi-Agent Framework.
CAMEL emerges as the earliest 基于LLM的多智能体框架, and is now a generic framework to build and use LLM-based agents for real-world task solving. We believe that studying these agents on a large scale offers valuable insights into their behaviors, capabilities, and potential risks. To facilitate research in this field, we implement and support various types of agents, tasks, prompts, models, and simulated environments.
主要文档#
烹饪指南
- 基础概念
- 高级功能
- 多智能体社会
- 智能代理数据生成
- 使用CAMEL进行代理式SFT数据生成并用Unsloth微调Mistral模型
- 数据模型
- 使用CAMEL进行代理数据生成并使用Unsloth微调Qwen模型
- 数据模型
- 使用CAMEL进行代理式SFT数据生成并使用Unsloth微调Meta模型
- 数据模型
- 真实函数调用与Hermes格式数据生成
- 使用Qwen进行自指导数据生成
- CoT数据生成与使用Unsloth进行Qwen SFT
- 配置Huggingface的访问令牌
- 开始模型训练
- 基于奖励模型的自主数据生成、评估与过滤
- 由CAMEL和Qwen驱动的智能数据模型生成与结构化输出
- 使用CAMEL从DeepSeek R1中提取数学推理数据
- 使用CAMEL从DeepSeek R1进行自我提升的数学推理数据蒸馏
- 深入探索CAMEL自我改进思维链生成的最佳实践 🚀
- 应用程序
- 数据处理与分析
API参考文档
索引和表格#
参与其中#
我们始终乐于与朋友合作，凭借自身竞争优势不断前进。
致研究爱好者们：新颖、严谨且深入的研究需要时间和资源。借助近乎无限的先进GPU算力使用权，以及一支杰出的研究工程师团队，我们有足够的耐心和勇气探索前沿领域。无论您是想参与我们正在进行的项目，还是有新想法需要验证，都欢迎随时与我们交流，探讨合作可能性。
致编程爱好者：无论您是想引入新功能、增强基础设施、改进文档、提出问题、添加更多示例、实现前沿研究想法，还是修复错误，我们都珍视每一份贡献。请查阅GitHub上的贡献指南开始参与。