基于大型语言模型的智能体(Agent)研究综述--人大

本文详细介绍了智能体的最新进展,包括其分类、统一框架(Profile、记忆、规划和行动)、应用示例、线性推理与树状推理对比以及模型获取策略。涵盖了31个模型的结构分析、代表性应用和评估方式,展示了智能体在社会科学、自然科学和工程领域的应用。
摘要由CSDN通过智能技术生成

内容概述


论文地址:https://arxiv.org/pdf/2308.11432.pdf

这篇综述内容有35页,内容很多,俗话说一图胜千言,作者提供了5张精美的图片和3个表格,把这些搞明白后对这篇综述也就理解差不多了。文章的总体结构如下由6部分组成,1介绍、2智能体结构、3智能体应用、4智能体评价、5挑战、6总结。分别对应图1、图2、表5和表2、图5和表3,第5和第6部分无对应。

图1介绍智能体近三年的发展,并划分了7个智能体类别,关注度比较高的有AutoGPT、ChatDev等。

图2介绍智能体统一框架,四部分组成:Profile分析(或代理角色/配置)、记忆、规划、行动。profle模块内容包含统计、个性和社会信息,方法是手工指定、大模型生成、数据集对齐;记忆模块分结构、格式、和操作;规划分线性推理、树状推理及是否添加反馈,反馈分为环境、人为、模型反馈三种;行动包含目标、纠偏、空间、影响。

图3比较了线性推理和树状推理的区别。

图4为获取模型能力的策略转换,模型参数、提示词、机械工程。

图5为智能体的应用和评估,应用领域分为社会科学、自然科学和工程;评估分为主观评估和客观评估。

表1罗列了31个模型,及它们含有的智能体统一结构模块,①②③为profile模块的三种生成方法。

表2为智能体在各领域的代表性应用。

表3为各模型对应的评价方式。

1目录


2图


3表


  • 28
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于agent智能的NL2SQL(自然语言转结构化查询语言)系统是近年来人工智能领域的研究热点之一。这种系统利用自然语言输入,通过深度学习等技术,将自然语言意图转化为数据库查询语言,从而实现自动化地回答用户在数据库中的查询请求。 NL2SQL系统的实现主要包含以下几个关键步骤: 1. 数据集的构建:为了训练和评估模型,需要构建包含自然语言查询和对应SQL语句的数据集。通常,这需要人工标注大量的数据,包含各种查询语句和对应的正确结果。 2. 自然语言理解(NLU):NLU是NL2SQL系统的关键组成部分,它负责将自然语言查询转化为一个中间表示。该中间表示可以是一种语义解析树、查询模板或其他形式,用于表示查询的语义。NLU可以利用分词、词性标注、实识别等方法对输入的自然语言文本进行语义解析。 3. 查询生成:在得到中间表示后,系统需要将其转化为对应的SQL语句。这个过程可以利用预定义的查询模板,也可以通过生成查询的方式。生成查询的方法可以使用递归神经网络、增强型注意力模型等技术。 4. 查询执行:最后一步是执行生成的SQL查询,将结果返回给用户。查询执行可以利用数据库管理系统(DBMS)来完成,连接到数据库并返回查询结果。 基于agent智能的NL2SQL系统研究与实现面临一些挑战。首先,自然语言的多样性和复杂性使得理解和转换为结构化查询语言具有一定的困难。其次,训练数据的获取和标注需要大量的人力资源和时间成本。此外,系统需要处理好语义解析和查询生成之间的映射关系,以确保生成的查询语句正确无误。 然而,随着深度学习和自然语言处理的发展,基于agent智能的NL2SQL系统的研究和实现取得了一些重要的突破。这种系统在实际应用中具有广阔的前景,可以帮助用户更便捷地从数据库中获取信息,并推动智能化的数据查询和分析。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值