当前位置:首页 > 报告详情

黄佳-AIAgent认知框架与案例实践.pdf

上传人: 张** 编号:182437 2024-10-14 58页 7.74MB

1、AI Agent:认知框架与案例实践黄佳新加坡科技研究局演讲嘉宾黄佳AI研究员 动手做AI AgentGPT图解作者新加坡科技研究局AI研究员、技术作家,主攻方向为大语言模型的开发和应用实践、AI in FinTech、AI in MedTech、持续学习,代表作主要有大模型应用开发 动手做AI AgentGPT图解零基础学机器学习数据分析咖哥十话LangChain实战课等,曾在埃森哲新加坡公司担任多年SAP技术顾问,负责政府和企业薪酬系统的实施和运维。目 录CONTENTS1.何为AI Agent2.Agent认知框架3.适用场景分析4.具体实现/技术实践5.总结与展望何为AI AgentP

2、ART 01生成式人工智能应用5层级什么是AgentAgent和传统程序设计范式究竟有何不同?进行推理调用工具自我进化CoT,ReflectionReAct,Function Calling/Tool Calls进行推理调用工具工具使用和模拟是Agent研发的两个重点基于工具的Agent,以自动化复杂的多步骤工作流程基于模拟的Agent,目标是在虚拟世界中真实地复制人类行为和社会动态模拟Agent方法论Tool CallsAI Agent认知框架PART 02整体技术框架Andrew Ng 给出的四种Agent思维框架设计模式Agent认知框架:CoT(Chain of Thought)Cha

3、in-of-Thought Prompting Elicits Reasoning in Large Language Models,36th Conference on Neural Information Processing Systems(NeurIPS 2022).Agent认知框架:Self-AskPress,O.,Zhang,M.,Min,S.,Schmidt,L.,Smith,N.A.,&Lewis,M.(2022).Measuring and Narrowing the Compositionality Gap in Language Models.arXiv preprin

4、t arXiv:2212.09551.Agent认知框架:ReflectionShinn,N.,Cassano,F.,Berman,E.,Gopinath,A.,Narasimhan,K.,&Yao,S.(2023).Reflexion:Language Agents with Verbal Reinforcement Learning.arXiv preprint arXiv:2303.11366.Madaan,A.,Tandon,N.,Gupta,P.,Hallinan,S.,Gao,L.,Wiegreffe,S.,.&Clark,P.(2023).SELF-REFINE:Iterativ

5、e Refinement with Self-Feedback.arXiv preprint arXiv:2303.17651.Agent认知框架:Function Callings/Tool CallsAgent认知框架:Function Callings/Tool CallsAgent认知框架:ReActYao,S.,Zhao,J.,Yu,D.,Du,N.,Shafran,I.,Narasimhan,K.,&Cao,Y.(2023).ReAct:Synergizing Reasoning and Acting in Language Models.arXiv preprint arXiv:

6、2210.03629.Agent认知框架:ReActAgent认知框架:Plan-and-SolveWang,L.,Xu,W.,Lan,Y.,Hu,Z.,Lan,Y.,Lee,R.K.-W.,&Lim,E.-P.(2023).Plan-and-Solve Prompting:Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models.arXiv.Agent认知框架:Plan-and-Solve认知框架的组合:ReAct+Tool CallsAgent认知框架适用场景分析PART 03适用场景分析维度任务复杂度领

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了AI Agent的认知框架与案例实践。黄佳,新加坡科技研究局的AI研究员,主攻大语言模型的开发和应用实践,分享了关于AI Agent的认知框架,包括CoT(Chain of Thought)、Self-Ask、Reflection、Function Callings/Tool Calls等。这些框架在不同的场景下有各自的适用性,例如在智能客服中,Functions Calling结合Self-ask的思维框架最为适合。同时,文章也提到了基于OpenAI Assistants和LangChain的ReAct Agent等实际应用案例。此外,文章还综述了AI Agent的研究进展和未来的热点方向,如Agent的自主学习、多Agent合作、可信度和安全性评估等。
"AI Agent的认知框架有哪些?" "如何实现智能客服Agent的个性化服务?" "大模型和AI Agent在边缘系统中的部署前景如何?"
客服
商务合作
小程序
服务号
折叠