即刻App年轻人的同好社区
下载
App内打开
加把劲刀塔客
556关注58被关注0夸夸
INFP-T /加把劲骑士
拖延症患者
并不有趣
加把劲刀塔客
5天前
加把劲刀塔客
10天前
加把劲刀塔客
10天前
很有故事性了哈哈哈

沙雕搞笑萌宠:

00
加把劲刀塔客
10天前
真·法克杯

Nocabuda:

00
加把劲刀塔客
10天前
点外卖和骑手的爱恨纠葛 //@趴趴星人:

盛牧磊:

00
加把劲刀塔客
24天前
#相亲那些事儿
昨晚和一个妹子见面，算是同行。
只不过，她对我的工作，比对我感兴趣，问了很多工作平台的事情。
我们加了微信，然后呢，今晚我发现她把我删了。
原来，她的合眼缘是想找个事业伙伴的意思，看不上我又想套信息。
不过也好，干净利落，大家都省事。
00
加把劲刀塔客
26天前
谢谢，先mark了

知骤: 安利李宏毅老师的Agent课程：https://www.youtube.com/watch?v=M2Yg1kwPpts 可以作为快速入门Agent的课程来看，课程内容不算硬核，非技术同学也可放心食用。 如果觉得时间不够，也可以快速浏览下我做的笔记： Agent：人类只给目标，ai自己想办法达成 - Goal：reward，人为给定 - Observation：当前状态 - Action：根据当前状态采取行动，改变环境从而产生新的Observation 类比RL框架：learn to maximize reward，需要对每一个任务训练一个模型 LLM-based agent - Goal：prompt - observation：环境转化成语言（或图片），拼接到prompt中 - action：一段文字描述，并转成指令 优势： - llm-based输出action更加灵活，可以使用各种工具 - typical agent需要定义reward，有大量magic number；llm-based agent不需要reward ai agent发展历程： - 浏览器图像输入，CNN处理，输出按钮点击 - World of Bits: An Open-Domain Platform for Web-Based Agents (ICML, 2017) https://proceedings.mlr.press/v70/shi17a/shi17a.pdf - 古早语言模型 - Mind2Web：https://arxiv.org/abs/2306.06070 - WebArena：https://arxiv.org/abs/2307.13854 - 用AI训练模型 - AIDE: The Machine Learning Engineer Agent https://arxiv.org/abs/2502.13138 - AutoKaggle: A Multi-Agent Framework for Autonomous Data Science Competitions https://arxiv.org/abs/2410.20424 - AI co-scientist - https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/ - llm agent - 2023年：autogpt - 2023年：斯坦福小镇（群体智能）、Minecraft的ai npc - openai operator/claude compute use：让ai使用电脑，举例： - goal：订披萨 - observation：浏览器状态 - action：点什么键等 交互方式： - 回合制 - 即时：模型执行过程中，外界环境改变，这时模型需要能够快速反馈更改执行策略。比如语音对话场景。 - 实时语音模型survey：https://arxiv.org/abs/2503.04721v1 llm agent（没有任何模型被训练）关键能力： 1、memory read模块做与当前情景相似search，search出相关的memory（见P1） 与RAG一样，唯一区别是RAG存在memory中的内容是别人的经历/全网信息 - benchmark：StreamBench，https://arxiv.org/abs/2406.08747 - knowhow：正面例子比负面例子有用得多 完整架构： read write：只记录重要的事情（可以也是一个ai agent） reflection：对过去记忆整理（可以也是一个ai agent），也可以建立一个知识图谱 - GraphRAG：https://arxiv.org/abs/2404.16130 - HippoRAG：https://arxiv.org/abs/2405.14831 （见P2） 更多论文： - MemGPT：https://arxiv.org/abs/2310.08560 - Agent Workflow Memory：https://arxiv.org/abs/2409.07429 - A-MEM: Agentic Memory for LLM Agents：https://arxiv.org/abs/2502.12110 2、tool 常见工具： - 搜索引擎 - python代码 - 其他软件服务 - 其他ai模型 怎么使用工具？ - function call 调用现成函数：见P3 - MCP 调用其他ai模型： 详见P4 询问llm这段音频说了啥。system prompt中需要包括左边这一系列可调用语音模型的介绍。 llm会生成调用各个语音模型的python代码，执行即可得到最终答案 工具很多怎么办？ 和memory一样做search，工具选择模块！ 见P5 - https://arxiv.org/abs/2310.03128 - https://arxiv.org/abs/2502.11271 AI自己打造工具：见P9 - TroVE: https://arxiv.org/pdf/2401.12869 - LATM: https://arxiv.org/abs/2305.17126 - CREATOR: https://arxiv.org/abs/2305.14318 - CRAFT: https://arxiv.org/abs/2 工具是否会犯错？ - 工具知识与模型本身知识差别越大，模型就越不容易相信 - 模型对自身知识的信心越高，就越不容易被动摇 https://arxiv.org/abs/2404.10198v1 - 模型更容易相信ai生成内容（较于人为内容）https://arxiv.org/abs/2401.11911 - 模型更容易相信更新发布的内容 https://aclanthology.org/2024.bl - 文章来源不会影响 - 文章排版方式会有影响 3、planning 根据observation做规划 https://arxiv.org/abs/2305.04091 根据observation实时更改规划 见P6、P7 llm做规划能力： - https://arxiv.org/abs/2201.07207 - benchmark：PlanBench https://arxiv.org/abs/2206.10498 https://arxiv.org/abs/2305.15771 - benchmark：TravelPlanner https://arxiv.org/abs/2402.01622 - 让llm能使用现成的solver工具，正确率大大提升 https://arxiv.org/abs/2404.11891 强化ai agent的规划能力 - 与实际环境互动，bfs/dfs暴力搜索。见P8 - 暴搜+做剪枝 https://arxiv.org/abs/2407.01476 - 有些动作覆水难收：虚拟环境内演练，需要有world model来模拟真实环境可能的反馈 https://arxiv.org/abs/2411.06559 - 过度深度思考的危害：https://arxiv.org/abs/2502.08235

00
加把劲刀塔客
1月前
#相亲那些事儿
其实，大家都30+了，相亲都主动点。
行就行，不行就不行，装个毛啊。
男生没找你，就觉得不主动。
男生找你聊，你又觉得人家像打卡。
每次都是我找话题，你也没主动找过我聊。
约会的时间不合适，你也不会主动改约时间。摆明看不上我，拜拜👋🏻了您嘞
80
加把劲刀塔客
1月前
加把劲刀塔客
1月前
今年五一，我的一位校友结婚了。
我大学的时候喜欢过她，告白也被她拒绝过。
毕业后，我们分隔两地，渐渐少了联系。
有时候，我会想到她，不知道她结婚了没有？
只是没想到她这么晚才结婚——虽然我现在也没结婚，还在相亲中。
只是有些年少的情愫在作怪，感慨时光易逝，她已经找到了幸福，而我却还在原地踏步。
10