LLM大模型到AIAgent：技术演进之路

▼最近直播超级多，
预约
保你有收获

近期直播：
《
基于 LLM 大模型的微调构建AI Agents 案例实践
》

—
1
—

LLM 大模型有哪些局限性？

给定一些字或者词（称为 token），预测下一个字或者词模型，就是语言模型。

大语言模型（Large Language Model, LLM）是一类基于深度学习的语言模型，它们在大量的文本数据上进行训练，可以完成各种任务，包括代码编写、总结、翻译等。LLM 的特点是规模庞大，包含数十亿的参数，学习语言数据中的复杂模式。

大语言模型发展日新月异，基于 Transformer 预训练架构演变成各种各样的大模型。

目前 LLM 大模型也会存在3点局限性：

第一、简单的推理也会犯错。

第二、多聊几句就会忘记历史信息。

第三、写了代码不能运行验证。

—
2

—

使用 AI Agents进一步增强 LLM 大模型的能力

第一、什么是 Agent？

实际上，人类是这个星球上最强大的 Agent。Agent 是一个能感知并自主地采取行动的实体，这里的自主性极其关键，Agent 要能够实现设定的目标，其中包括具备学习和获取知识的能力以提高自身性能。

Agent 的 复杂程度各不相同，一个简单的恒温器可以是一个 Agent，一个大型的国家或者一个生物群体也可能是个 Agent。感知环境、自主决策、具备行动能力，设定明确的目标和任务，适应环境及学习能力，都是 Agent 的关键特点。

Agent 由三个部分组成：控制端（Brain）、感知端（Perception）和行动端（Action）。

我们来看下 Agent 的工作流程：当人类询问是否会下雨时，感知端（Perception）将指令转换为 LLMs 可以理解的表示。然后控制端（Brain）开始根据当前天气和互联网上的天气预报进行推理和行动规划。最后，行动端（Action）做出响应并将雨伞递给人类。

第二、什么是 AI Agent？

AI Agent 被设计为具有独立思考和行动能力的 AI 程序。你只需要提供一个目标，比如写一个游戏、开发一个网页，它就会根据环境的反应和独白的形式生成一个任务序列开始工作。就好像是人工智能可以自我提示反馈，不断发展和适应，以尽可能最好的方式来实现你给出的目标。

可以使用以下的公式来描述 AI Agent。

AI Agent = LLM（大语言模型推理能力） + Planning（规划能力） + Memory（记忆能力） + Tools（使用工具能力） + Action（行动能力）。

第三、AI Agent 如何进一步增强 LLM 大模型的能力？

LLM 与 LangChain 等工具相结合，释放了内容生成、编码和分析方面的多种可能性，目前在 ChatGPT-4 插件中比较有代表性的插件就是 Code Interpreter。

我们看一个“简单的难题”：尽管 ChatGPT-4 等模型非常强大、Agent 的发展似乎牛气冲天，它们仍然无法满足很多任务的需要，甚至一些在我们看来很简单的任务都完成不了，比如我们构造的这个任务：

我们必须明白，尽管 AI 在一定程度上模仿了人脑的工作方式，但实际上，机器人和人脑在处理信息时采用的策略有很大的不同。因此，即使在未来，我们也需要继续改进 AI 框架，以解决这种差距。比如一个百万位数的加法任务，ChatGPT-4 囿于 token 数的限制是不可能完成这个任务的，但人类却可以，这恰是人类和 AI 需要弥补的 Gap。我们进行了一些简单的试验，还没有发现大模型和 AI Agent 能搞定这个任务。其中，ChatGPT-4的 Code Interpreter 是表现最好的，因为它调用了外部计算器，但中间的过程描述还是发生了错误。

—
3
—

免费超干货大模型 AI Agents
直播

为了帮助同学们掌握好 AI Agents 的技术架构和应用案例实战，本周五晚上8点，我和陈东老师会开一场直播和同学们
深度聊聊 AI Agents
技术架构剖析、AI Agents 的应用案例实战、LLM 大模型的微调案例实战
，
请同学点击下方按钮预约直播
，咱们本周五晚8点不见不散哦~~

近期直播：
《
基于 LLM 大模型的微调构建AI Agents 案例实践
》

END