独家资料:DataFun,系列电子专题书生成式AI头战丰册陈旭-AlAgent-大模型时代重要落地方向侯容-大模型微调万案设计能力整合段石石·大模型分布式训练的第四种境界肖玄基一面向2026年的推荐算法前造侯容-大模型微调方案设计和能力整合Jack He(何成杰）-大语言模型落地的全流程解析张超-闲聊生成式算法尤洋-超大模型的高效训练和部罢技术
目录目录AlAgent--大模型时代重要落地方向...1529.53NVIDIA大语言模型落地的全流程解析..72小布助手闲聊生成式算法…..94..........120大模型的高效训练和部署技术卷出新高度页码:2/148
扫码关注公众号免费下载资料AlAgent--大模型时代重要落地方向导读:随着大语言模型的日趋成熟,各类基干大语言模型的AlAgent逐渐走入人们的视野。本文将梳理大语言模型Agent的相关知识点,并对大模型时代A今天的介绍会围绕下面五点展开:1.LLM-basedAgent整体架构2.LM-basedAgent重点&难点问题3基于大语言模型的用户行为模拟智能体4、基于大语言模型的多智能体软件开发5.LLM-based Agent未来方向分享嘉宾|陈旭博士中国人民大学准聘副教授编辑整理|王吉东内容校对|李瑶出品社区|DataFun01LLM-basedAgent整体架构页码:3/148
扫码关注公众号免费下载资料01-LLM-basedAgent整体架构DataFun面像记忆规划动作图像内容记忆结构动作目标无需反馈的规划人口境物交流·探索社交检意生成策略数据时齐方法模型及馈动作影响、环境·内在状态·新动竹大语言模型Agent的构成,主要分为以下4个模块1画像模块:主要描述Agent的背昌信息下面介绍画像模块的主要内容和生成策略。(1)画像内容，主要基于3种信息:人口统计信息、个性信息和社交信息。(2)生成策略:主要采用3种策略来生成画像内容手工设计方法:自行通过指定的方式,将用户画像的内容写入大模型的prompt中;适用于Agent数量比较少的情况大模型牛成方法:首先指定少量商像,并将其作为示例,讲而使用大语言模型牛成更多的画像;适用于大量Agent的情况数据对齐方法:需要根据事先指定的数据集中人物的背景信息作为大语言模型的prompt,进而做相应的预测。2.记忆模块:主要目的是记录Agent行为,并为未来Agent决策提供支撑页码:4/148
酒(1)记忆结构统一记忆:仅考虑短期记忆,不考虑长期记忆;混合记忆:长期记忆和短期记忆,相结合(2)记忆形式:主要基于以下4种形式语言●数据库向量表示列表(3)记忆内容:常见以下3种操作:记忆读取记忆写入记忆反思3．规划模块无需反馈的规划:大语言模型在做推理的过程中无需外界环境的反馈。这类以完整输出推理的步骤:基干多路的推理,借鉴众包的思想,让大语言模型带有反馈的规划:这种规划方式需要外界环境提供反馈,而大语言模型需要基于环境的反馈进行下一步以及后续的规划。这类规划反馈的提供者来自三个方面:环境反馈、人类反馈和模型反馈。4动作模块飙动作目标:有些Agent的目标是完成某个任务,有些是交流,有些是探索!页码:5/148
动作生成:有些Agent是依靠记忆回想生成动作,有些是按照原有计划行特定的动作动作空间:有些动作空间是工具的集合,有些是基千大语言模型白身知识从自我认知的角度考虑整个动作空间,动作影响:包括对环境的影响、对内在状态的影响,以及对未来新动作的影响。以上是Agent的整体框架,更多内容可参考下述论文Lei Wang, Chen Ma, Xueyang Feng, Zeyu Zhang, Hao Yang, Jingsen ZhangZhiyuan Chen, Jiakai Tang, Xu Chen, Yankai Lin, Wayne Xin Zhao, ZheweiWei, Ji-Rong Wen:A Survey on Large Language Model based AutonomousAgents.CORR abs/2308.11432(2023)02LM-basedAgent重点&难点问题页码:6/148
招豫扫码关注公众号免费下载资料DataFun.Agent角色扮演能力定义Agent角色扮演能力评估Agent角色扮演能力提升角色和Agent行为关系角色扮演评估场景Agent记忆机制设计Agent记忆能力评估Agent记忆机制演化基于向量检索的记忆机制记忆机制的演化评估场景记忆机制的自主更新如何提升Agent推理/规划能力Agent任务分解能力gent推理和外界反馈会子任务定义和拆解设计推理过程中外界反馈的融入机制如何设计多Agent高效协网机制多Agents合作机制多Agents层论...
