首页 > 其他分享 >Agent > GPT5?吴恩达最新演讲:四种 Agent 设计范式(通俗易懂版)

Agent > GPT5?吴恩达最新演讲:四种 Agent 设计范式(通俗易懂版)

时间:2024-07-29 20:28:10浏览次数:15  
标签:GPT5 吴恩达 AI 模型 Agent 学习 代码

吴恩达教授最近在红杉 AI 峰会上讲述了他对 Agent 的一些看法,尽管一些媒体已经进行了相关报道,但为了分发的及时性,而采用了机翻的方式,牺牲了表述的准确性,增加了不必要的阅读门槛。

特工宇宙于是重新整理翻译了一版,既保留了吴恩达教授的原意,又加之了部分个人理解。期望即使是外行,也能无障碍阅读。

如今,我们在使用 ChatGPT 等 AI 工具时,基本我们会输入一个 Prompt,然后得到一个答案。这就有点像你给定一个主题,然后让一个人去写文章,你跟 Ta 说,坐在电脑边,去敲键盘吧!不断的打字直到写完全部。

相比之下,如果使用 Agentic Workflow(这很难信雅达地翻译,姑且认为是智能体工作流,即基于大语言模型的用流程构建的智能体系统),就好比你跟 Ta 说,先写一个大纲,如果需要的话去网上查点资料,再写一个草稿,然后思考你的草稿该怎么改,最后再修改,多次如此迭代。很多人没有意识到这会带来多大的优化,事实是我经常这样做,得到的效果非常惊艳。

我们团队做了一个案例研究,使用了 HumanEval (OpenAI 为了评估编程语言模型而设计的数据集),但出现了一些错误,比如我举的这个例子,“我给你一个数字列表里,找出奇数位置上的数字,返回其中所有奇数之和”,然后 AI 给了错误的回答。

我们平常大都会使用 Zero-shot(不给大模型具体训练样本或标签提示,直接提问让其回答)来写 Prompt,就是直接让 AI 编写代码并运行(这不是一个明智的做法)。

我们的研究结果表明,如果你使用GPT3.5 + Zero-shot 的正确率为 48%,GPT4 + Zero-shot 的正确率为 67%,但是,如果你用 GPT3.5 + Agentic Workflow,你会得到超越 GPT4 的效果! 因此,Agent 在构建 AI 应用时非常重要。

(然后就到了主题) 尽管很多学者、专家谈论了很多关于 Agent 的东西,但我今天想更具体的分享我在 Agent 中看到比较广泛的四种设计模式(尽管很多团队,开源项目等做了很多种多样的尝试,但我还是按我的理解划分成了四类)。

Reflection 和 Tool Use 属于比较经典且相对已经广泛使用的方式,Planning 和 Multi-agent 属于比较新颖比较有前景的方式。

第一个讲的就是 Reflection(反思,类似于 AI 的自我纠错和迭代),举个栗子,我们让用 Reflection 构建好的一个 AI 系统写个xxx代码,然后 AI 会把这个代码,加上类似“检查此段代码的正确性,告诉我如何修改”的话术,再返回给 AI,AI可能会给你提出其中的 Bug,然后如此反复,AI 自己完成了自我迭代,虽然修改后的代码质量不一定能保证,但基本上来说效果会更好。

(每页PPT下方,吴恩达大佬都推荐了一些相关论文,可以去看看)

如上表述的是案例是 Single-agent(区别于 Mutli-agent 的单智能体),但其实你也可以用两个 Agent,一个写代码,然后另一个来 Debug

标签:GPT5,吴恩达,AI,模型,Agent,学习,代码
From: https://blog.csdn.net/xiangxueerfei/article/details/140780292

相关文章

  • DataFunTalk | AI Agent 在 1688 电商平台中的应用
    本文来源公众号“DataFunTalk”,仅用于学术分享,侵权删,干货满满。原文链接:AIAgent在1688电商平台中的应用导读 本文将分享AIAgent在电商平台中的探索。本文整理自2024年4月19日DataFunCon2024(上海站)(线下)王卓隽老师关于《AIAgent在1688电商平台中的应用》的......
  • 吴恩达机器学习_第2周_多维特征
    第1周:引言、单变量回归第2周:多维特征第3章多维特征3.1多维特征和向量化3.2多变量梯度下降3.3梯度下降法实践1-特征缩放3.3.1目的3.3.2三种scaling的方式3.4梯度下降法实践2-判断梯度下降是否收敛3.5梯度下降法实践3-学习率......
  • 生成式 AI 的发展方向,是 Chat 还是 Agent?
    随着生成式AI技术的不断进步,关于其未来发展方向的讨论也愈发激烈。究竟生成式AI的未来是在对话系统(Chat)中展现智慧,还是在自主代理(Agent)中体现能力?这一问题引发了广泛的讨论和探索。你怎么看待生成式AI的未来发展方向?这是一个引人深思的问题。我的回答可能会有些偏袒,但我会尽力......
  • Docker安装最新版portainer,无需agent-验证通过
    https://tehub.com/a/cepm8veVzh  Docker安装最新版portainer,无需agent 要安装portainer/portainer-ce,你可以按照以下步骤操作:安装docker如果你尚未安装docker,请参考官方文档安装docker:https://docs.docker.com/engine/install/下载portainer/portainer-ce镜像......
  • llama-agentic-system
    文章目录一、关于llama-agentic-system二、LLama代理系统安装和设置指南1、创建Conda环境2、运行FP83、作为包安装4、测试安装5、下载检查点(或使用现有模型)6、配置推理服务器配置7、运行推理服务器8、配置代理系统9、为工具添加API密钥10、启动应用程序并与服务器交互11......
  • GraalVM 静态编译下 OTel Java Agent 的自动增强方案与实现
    作者:望陶、铖朴随着OpenTelemetry在可观测领域影响力的不断提升,其项目以极快的速度不断演进。阿里云作为国内最广泛使用Java的厂商之一,深度参与OTelJava Instrumentation演进与社区活动,贡献、Review各类PR(pullrequest)合计超过100 余个,参与Issues讨论58个,在Op......
  • Agent-Pro:通过策略级反思和优化学习进化的智能代理
    人工智能咨询培训老师叶梓转载标明出处大多数基于LLM的代理被设计为特定任务的解决者,需要复杂的提示工程来指导任务规则和调节LLM行为。这些任务解决者在面对复杂动态场景(如大型互动游戏)时,往往显得力不从心。为了解决这一问题,来自中科院、南京邮电大学、南京信息工程大学、......
  • 胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
    智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐Agent是以大模型为核心的智能体,通过与用户对话的形式,来完成各种任务,它很像一个“人”。如果和人做类比,它应该具备以下能力:Agent的各个要素各个子模块:1.对话式Agent1.1月之暗面(MoonshotAI)-Kimi官方......
  • 智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐
    智胜未来:国内大模型+Agent应用案例精选,以及主流Agent框架开源项目推荐Agent是以大模型为核心的智能体,通过与用户对话的形式,来完成各种任务,它很像一个“人”。如果和人做类比,它应该具备以下能力:Agent的各个要素各个子模块:1.对话式Agent1.1月之暗面(MoonshotAI)-Kim......
  • 基于吴恩达的深度学习
    实验顺序(根据对应的README.md)SupervisedMachineLearning:RegressionandClassificationweek1OverviewofMachineLearning:加入社区和课程相关内容,可忽略Supervisedvs.UnsupervisedMachineLearning:了解python,jupyter和markdownPracticeQuizSupervisedvsun......