- 博客(8)
- 收藏
- 关注
原创 Agent知识库:功能、原理浅析
随着LLM不断发展,基于LLM的Agent今年来十分火热。Agent知识库不仅可以存储大量的信息,还包含了丰富的规则、算法和模型,是Agent实现智能化决策和行动的关键。本文将介绍Agent知识库的功能、原理以及相关落地应用。领域学科知识、企业知识、经验知识、特定场景的内容知识、推理规则、学习算法等,涵盖事实、规则、算法等方面。
2024-05-18 19:33:15 649
原创 Agent系列之LATS(Language Agent Tree Search)框架解析
LATS框架将语言模型在规划、行动和推理方面的优势结合起来,增强决策能力。
2024-05-03 16:29:28 1441
原创 Agent 系列之Reflection框架解析
Reflexion: Language Agents with Verbal Reinforcement Learning论文介绍了一种名为“Reflexion”的新框架,通过反思提高决策能力
2024-05-02 15:09:03 1056
原创 Agent 系列之 LLM Compiler框架解析
An LLM Compiler for Parallel Function Calling论文详细介绍了一种名为LLMCompiler的新方法,用于在语言模型中并行执行多个函数调用,以提高效率和准确性。
2024-04-28 17:17:03 1161
原创 Agent系列之ReAct: Reasoning and Acting in LLM 论文解析
论文主要探讨了如何将大语言模型的能力与推理和行动相结合,以提高其在理解和交互决策任务中的表现。该方法名为ReAct,通过交替生成推理轨迹和特定任务的动作,使两者之间产生更大的协同作用。实验结果表明,在问答和事实验证等任务中,ReAct能够克服传统链式思维推理中存在的幻觉和错误传播问题,并且生成的任务解决路径比基线更加可解释。此外,在两个互动决策基准测试中,ReAct的表现优于模仿学习和强化学习方法,分别提高了成功率34%和10%。
2024-04-27 22:25:41 1200
原创 Agent 系列之 ReWOO框架解析
ReWOO (Reasoning WithOut Observation),可以解决ReAct的冗杂问题,减少Token使用,并且在相较复杂情况下,表现了比ReAct等框架下更好的鲁棒性。
2024-04-27 22:16:14 887
原创 Agent系列之 Plan-and-Solve Prompting 论文解析
本篇论文介绍了如何通过改进零样本链式思维(Zero-shot chain-of-thought)推理模型来提高大型语言模型在多步推理任务中的表现。作者提出了“计划和解决问题”(Plan-and-Solve)提示策略。
2024-04-27 22:05:59 697
原创 Agent系列之LangChain中ReAct的实现原理浅析
LangChain中ReAct的实现原理浅析。上一篇我们拆解了ReAct论文的主要内容,了解了以Thought → Action → Observation为主要内容的框架。那么在实际场景中如何使用呢,主要原理是什么,让我们看看在LangChain中ReAct的实现,通过分析代码简单解读下。
2024-04-25 19:04:52 1158 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人