CAMPHOR是苹果团队推出的端侧小语言模型（SLM）多智能体框架，能提升移动设备的隐私保护和响应速度。框架基于在设备本地处理多个用户输入并进行个人上下文推理，确保用户隐私安全。CAMPHOR基于分层架构，其中高阶推理智能体负责分解复杂任务，并协调专家智能体执行个人上下文检索、工具交互和动态计划生成。基于智能体间的参数共享和提示压缩技术，CAMPHOR显著减少模型的体积、延迟和内存占用。
CAMPHOR的主要功能多用户输入处理：能同时处理多个用户的输入。本地上下文推理：在设备本地进行个人上下文的推理，保护隐私。复杂任务分解：将复杂任务分解为更小的子任务，便于管理和执行。工具交互：与设备上的工具和应用程序进行交互，执行特定任务。动态计划生成：根据用户的需求和上下文动态生成执行计划。参数共享：在不同智能体之间共享参数，减少模型大小和提高效率。CAMPHOR的技术原理分层架构：用分层的智能体架构，包括高阶推理智能体和多个专家智能体。高阶推理：高阶推理智能体负责规划和协调整个任务的执行流程。专家智能体：专家智能体负责特定任务，如个人上下文检索、工具交互等。参数共享：在智能体之间实现参数共享，减少模型的存储和计算需求。提示压缩：基于将功能定义压缩为单个令牌，减少提示的长度，能在有限的资源下工作。本地执行：所有处理都在用户设备上完成，无需与服务器通信，保护隐私并减少延迟。CAMPHOR的项目地址项目官网：machinelearning.apple.com/research/collaborative-agentsarXiv技术论文：https://arxiv.org/pdf/2410.09407CAMPHOR的应用场景个性化移动助手：在智能手机上，作为个性化的移动助手，处理用户的日常任务，如日程管理、提醒设置、信息检索等。隐私保护的数据处理：适用于需要保护用户隐私的场景，如健康数据管理、财务信息处理等。多任务并行处理：适合于需要并行处理多个请求的环境，比如家庭自动化系统。本地化服务：在没有稳定网络连接的情况下，提供基于本地数据的服务，如导航、本地信息检索等。智能设备交互：与各种智能设备交互，如智能家居设备，实现设备间的协同工作。 
