鸿煊的学习笔记
LV.1
包括但不限于机器学习、深度学习、数据挖掘、自然语言处理等
声望 42
关注 0
粉丝 0
私信
主帖 3
回帖
1.背景大型推理模型如OpenAIo1、QwenQwQ等通过大规模强化学习,在科学、数学、编码等复杂领域展现出了强大的逐步推理能力。它们以“慢思考”模式生成长思维链条,有效解决复杂问题,增强了推理的逻辑性和可解释性。然而,这也带来了显著弊端,在长链式推理过程中,模型常常遭遇知识不足的困境。这使得推理链条容易出现错误传播,严重影响最终答案的质量。例如,在处理一些复杂的科学问题时,模型可能会因为对某些关键知识点的缺...
5天前 178浏览 0点赞 0回复 0收藏
2024年,AIAgents成为热门概念,2025年则有望成为其爆发元年。AIAgents在企业场景中的应用日益广泛,但在落地过程中也面临着诸多挑战。本文将基于Langbase的研究报告,探讨AIAgents的发展现状,包括LLM提供商的选择、应用场景、落地制约因素以及所需的配套基建等方面。1.研究背景与参与者Langbase对来自100多个国家的3400多位专业人士进行了调查,涵盖C级高管(46%)、工程师(26%)、客户支持(17%)、市场营销(8%)、IT(3%...
2025-01-10 12:28:44 309浏览 0点赞 0回复 0收藏
1.LLMAgent是什么大语言模型智能体是一种程序,其执行逻辑由其底层模型控制。大语言模型智能体与少样本提示或固定工作流程等方法的区别在于,它能够定义和调整执行用户查询所需的步骤。通过使用一组工具(如代码执行或网络搜索),智能体可以决定使用哪个工具、如何使用它,并根据输出对结果进行迭代。这种适应性使系统能够以最小的配置处理各种用例。智能体架构存在于一个范围内,从固定工作流程的可靠性到自主智能体的灵活性...
2025-01-02 12:20:43 602浏览 0点赞 0回复 0收藏
获得成就
已积累 335 人气
获得 0 个点赞
获得 0 次收藏