智能代理四大范式解析

最新推荐文章于 2024-12-18 18:49:12 发布
最新推荐文章于 2024-12-18 18:49:12 发布
阅读量333 收藏
点赞数
分类专栏： 深度学习 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/mtl1994/article/details/139151910
版权
本文介绍了人工智能专家吴恩达在2024年红杉资本峰会上提出的智能代理四大范式：反思、工具使用、规划和多代理协作。反思使代理具备自我调整能力，工具使用扩展了智能体功能，规划处理多步骤任务，多代理协作优化任务执行效果。这些技术将提升AI在复杂环境中的适应性和效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Agent四大范式

在2024年红杉资本人工智能峰会上，著名的人工智能专家吴恩达发表了一场备受关注的演讲，深入探讨了智能代理（agent）的四大范式。这四大范式代表了当前AI技术在不同应用领域中的核心方法和实践，分别是反思（Reflection）、工具使用（Tool Use）、规划（Planning）和多代理协作（Multi-Agent Collaboration）。

视频链接：https://www.bilibili.com/video/BV1RH4y1J7jP/?spm_id_from=333.337.search-card.all.click

文章链接：https://www.deeplearning.ai/the-batch/how-agents-can-improve-llm-performance/?ref=dl-staging-website.ghost.io

论文：理解LLM代理的规划

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【大模型】Agentic RAG技术：从传统RAG到智能代理的演进与突破
知识靠谱的博客
02-27 233
Agentic RAG技术不仅是传统RAG的升级，更是AI系统从“信息搬运工”到“知识决策者”的质变。随着技术的不断演进，其在医疗诊断、法律文书生成、智能制造等领域的应用将持续深化。未来，Agentic RAG有望成为企业智能化转型的标配技术，推动人机协作进入更高效、更智能的新纪元。欢迎在评论区分享您的实践经验或技术疑问，共同探讨AI Agent的无限可能！
Agent四大范式综述：全面理解Agent的工作原理
最新发布
2401_85375151的博客
02-07 1087
随着大型语言模型（LLMs）展现出显著的智能，将其应用于自主代理规划模块的研究受到了广泛关注。本综述首次系统性地审视了基于 LLM 的代理规划，涵盖了提升规划能力的最新研究成果。我们对现有的 LLM-代理规划研究进行了分类，将其分为任务分解、计划选择、外部模块、反思和记忆等类别，并针对每个方向进行了深入分析。同时，我们也探讨了该研究领域面临的挑战。Autonomous agents 又被称为智能体Agent。能够通过感知周围环境、进行规划以及执行动作来完成既定任务。
【上】大模型Autogen多Agent系统详细保姆级实践介绍，亲身实践展示代理效果
m0_51538830的博客
02-15 5923
Autogen多Agent系统详细保姆级实践介绍，亲身实践展示代理效果
Agent四大范式 | 综述：全面理解Agent工作原理
xxue345678的博客
05-31 1218
Autonomous agents 又被称为智能体Agent。能够通过感知周围环境、进行规划以及执行动作来完成既定任务。在这些能力中，规划尤为重要，它涉及到复杂的理解、推理和决策制定。大语言模型出现以前，我们一般通过规则的方法，或者强化学习的方法来实现。规则的方法是指把复杂的自然语言问题转化为规则符号，往往需要行业专家的介入，缺乏容错能力，小错误可能导致整个系统的失败。而强化学习一般是构建策略网络或奖励模型，但是一般需要大量样本进行训练，但是收集数据往往成本很高，所以这种方法可行性不大，很难推广开来。
AI Agent调研--7种Agent框架对比！盘点国内一站式Agent搭建平台，一文说清差别！大家都在用Agent做什么？
热门推荐
Python_cocola的博客
07-14 1万+
官方GPTs商店：各大平台均设有官方GPTs应用商店，汇聚了琳琅满目的插件与模型，满足多元化需求。知识库：在知识库构建上，各平台展现独特风采，内容既广泛又深入，助力用户轻松获取所需信息。流程图编排功能作为标配，让无编程基础的用户也能通过直观拖拽，迅速构建高效工作流，实现流程自动化。**多模型支持：**对于模型支持，部分平台展现开放姿态，兼容多模型选择；而有的则专注于自家大模型深度优化，但无论哪种，均能有效支撑日常工作的顺利进行。
Agent四大范式：吴恩达力推Agent设计范式
lvaolan168的博客
07-29 896
在吴恩达最近的演讲中，他提出了关于智能体（Agent）的创新见解，并强调了其在来临的AI发展中扮演的核心角色。在当前的技术景观中，人工智能（AI）面临众多挑战，，这些挑战变得更加突出。LLMs的加入不仅扩展了AI的能力，也带来了新的问题，如如何有效整合这些模型以处理复杂任务。智能体在AI领域扮演着至关重要的角色，其能够执行一系列，从而在的情况下实现目标。从传统的规则方法和强化学习方法，到利用LLMs的最新进展，智能体的发展呈现出明显的演进轨迹。LLMs特别在处理。
基于大模型（LLM）的Agent 应用开发
我相信......
10-15 6036
目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。随着开发人员开始创建日益复杂的LLM应用程序，开发流程不可避免地变得更加复杂。这种流程的潜在设计空间可能是巨大而复杂的，《如何构建基于大模型的App》一文给出了一种探索中的大模型应用开发基础框架，基本可以适用于RAG 和Age...
Agent设计范式与常见框架
程序员鑫港的博客
12-18 688
1. 什么是AgentAgent指的是一个能够感知其环境并根据感知到的信息做出决策以实现特定目标的系统，通过大模型的加持，Agent比以往任何时候都要更加引人注目。
人工智能 | 一文介绍五种基本 Agent
qq_45931691的博客
11-06 4169
基于效用的 Agent 在目基于目标的 Agent 的基础上，增加了一个效用模块，用于存储 Agent 对不同状态或结果的偏好或满意度。基于模型和目标的 Agent，既要追踪记录世界的状态（前方车辆是否减速、后方车辆是否准备超车），又要记录要达到的目标集（车辆行驶的目的地），并选择能最终到达目标的动作（方向盘不同还是左打右打）例如：乘客的目的地。学习 Agent 可以划分为四个概念上的组件，根据外部的反馈和内部的评价来改进 Agent 的行为。基于目标的 Agent 不仅需要当前状态的描述，而且需要某种。
Agent技术简介文档
08-29
（一） 背景知识 在开发Agent软件之前，需熟悉以下内容： （1） SNMP协议，MIB，ASN.1 SNMP子集，BER编码规则； （2） UDP协议，无连接Socket编程； （3） ATM UNI，AAL5； （4） VxWorks的多任务机制和消息队列机制，及两者的编程； （5） WRS WindNet软件包的使用和扩展； （6） Tornado系列开发和调试工具。
一文看懂：四种多Agent范式哪种最好
AIBigModel的博客
12-18 1253
今年来，生成式人工智能取得重大突破，单个大语言模型应用在问答、创意写作、代码生成等任务中取得不俗的效果。但单LLM应用仍然存在诸多问题，比如：偏差、对非事实性陈述过度自信、可解释性问题，以及无法提供解决更复杂任务所需的多维度推理。受社会选择理论启发，考虑运用多个LLMs来减轻单个模型的局限性，以解决更复杂的任务。这些LLMs被称作智能体，在协作讨论或交流中模拟人类互动。多个智能体可配备不同的专业知识或偏好，从而强化讨论效果以及系统相对于单个LLM的响应。
多模态交互智能体(Agent)全面综述：定义、范式、学习、系统、分类、应用、评估
qingkahui24689的博客
08-08 2499
多模态智能体AI（MAA）是一类系统，它们基于对多模态感官输入的理解，在特定环境中生成有效动作。随着大型语言模型（LLMs）和视觉语言模型（VLMs）的出现，提出了许多MAA系统，涵盖从基础研究到应用的各个领域。虽然这些研究领域通过与各自领域的传统技术（例如，视觉问答和视觉语言导航）整合而迅速发展，但它们共享共同的兴趣，如数据收集、基准测试和伦理观点。在本文中，我们专注于MAA的一些代表性研究领域，即多模态性、游戏（VR/AR/MR）、机器人技术和医疗保健，我们旨在提供这些领域中讨论的共同问题的综合知识。
『深度长文』吴恩达：AI Agent 4种最常见的设计模式
hunteritself的博客
05-23 7092
『深度长文』吴恩达：AI Agent 4种最常见的设计模式
Agent四大范式 | CRITIC：吴恩达力推Agent设计范式
KQe397773106的博客
04-22 790
近期大型语言模型（LLMs）的进展令人瞩目。然而，这些模型偶尔会出现矛盾和问题行为，比如虚构事实、编写错误代码或产生攻击性内容。与人类不同，人类通常会借助外部工具来核实和优化他们的内容，例如利用搜索引擎核实事实，或使用代码解释器进行调试。基于这一发现，我们提出了一个名为 CRITIC 的框架，它使得本质上不透明的 LLMs 能够像人类使用工具那样，验证并逐步改进自己的输出。具体来说，CRITIC 从初始输出出发，与相关工具互动，评估文本的特定方面，然后根据验证过程中收到的反馈进行调整。
一文了解：人工智能中的代理(Agents)
qianggezhishen的专栏
10-30 993
架构，说白了，就是代理跑起来的那个机器，比如装有传感器和执行器的设备，像是机器人汽车、摄像头或者电脑。代理函数，就是把代理到现在为止感知到的所有东西，也就是感知序列，转换成行动的映射。至于它们所处的环境，有的规则是固定的，有的则是一直在变化的，这就要求代理得能适应新情况。总的来说，代理在人工智能中有广泛的应用，从机器人技术到智能家居，从交通系统到医疗保健，再到金融、游戏、自然语言处理、网络安全、环境监测和社交媒体，代理都是解决问题的强大工具。：这种代理被组织成不同的层次，高层的代理指挥低层的代理。
Agent之推理模式：Reflection、Reflexion、LATs
谁怕平生太急
05-17 2848
反思的定义：LangChain博客的介绍说是一种用来提供Agent质量和成功率的。归根结底，核心还是prompt的设计。用额外的计算来获得更好的输出质量，这点有点像CoT和ToT的设计。但与之不同的是，CoT和ToT是和LLM单轮的交互，而Reflection一般是和LLM多轮的交互（封装在Agent框架当中），尽管看起来和人类的交互是单轮的。
数据库设计三大范式解析
本文主要介绍了数据库设计的三大范式，即第一范式、第二范式和第三范式，这是在创建高效、无冗余的关系型数据库时必须遵循的设计准则。 第一范式（1NF）强调的是原子性，要求数据库表中的每个字段值都是不可再分的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matianlongg

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值