【InternLM实战营---第六节课笔记】

一、本期课程内容概述

本节课的主讲老师是【樊奇】。教学内容主要包括以下三个部分:
1.大模型智能体的背景及介绍
2. Lagent&AgentLego框架介绍
3.Lagent&AgentLego框架实战

二、学习收获

  1. 智能体出现的背景
    智能体的引入旨在克服大模型在应对复杂、动态任务时的局限性,主要体现在以下三个方面:
    • 减少幻觉: 智能体利用知识图谱、符号推理或交互式学习,增强对输入信息的理解与推理,降低生成与事实不符或逻辑混乱输出的风险。
    • 提升时效性: 智能体具备在线学习和实时适应环境变化的能力,能快速吸收新知识、响应新事件,确保决策紧跟时代步伐。
    • 增强可靠性: 通过提高可解释性、确保决策一致性及优化泛化能力,智能体在高风险场景中提供更为可信的服务。
  2. 大语言模型智能体
    大语言模型智能体(Language Model-based Intelligent Agent)是一种先进的复合型人工智能系统,它结合了大语言模型的强大自然语言处理能力和智能体的自主行为决策机制,能够在特定环境中感知动态条件、采取有目的的动作以影响环境,并运用强大的推理能力来理解信息、解决复杂问题、产生合理推断以及据此作出行动决策。
    • 感知环境中的动态条件: 大语言模型智能体具备实时或近实时的环境感知能力,能够通过各种输入接口(如文本、语音、图像等,经由相应的传感器或数据接口转化成文本描述)来捕捉环境中的关键信息和动态变化。这种感知能力不仅包括对当前状态的识别,还涵盖对环境趋势、潜在风险、机会点等复杂情况的理解。大语言模型在此过程中扮演着解析、理解和语义建模的角色,将非结构化或半结构化的感知数据转化为可操作的知识表示,使智能体能够准确理解其所在环境的状态及其演化。

    • 采取动作影响环境: 智能体的核心特征之一是其行动能力,即根据对环境的感知和内部目标导向,采取具体的操作或决策来改变或响应环境。大语言模型智能体能够利用其生成能力,制定清晰、有针对性的指令、建议或交互话语,通过输出接口传达给外部系统或直接与人进行沟通,从而引导或直接影响环境的变化。这些动作可以是执行物理任务(、进行信息检索和传递、调整系统设置、参与社交互动等。大语言模型在此过程中提供语言生成支持,确保智能体所采取的动作以恰当、有效且符合语境的方式表达和执行。

    • 深度推理: 大语言模型智能体的核心智力来源于其内置的大语言模型组件,这类模型经过大规模数据训练,拥有强大的上下文理解、逻辑推理、常识推理和联想思维能力。它们能够:

      • 理解信息:快速消化大量文本输入,准确提取关键信息,理解其中的隐含意义、情感色彩、专业术语等复杂语义元素。
      • 解决问题:面对复杂问题,智能体能运用推理能力分析问题结构,调用相关知识,模拟可能的解决方案路径,甚至进行多步骤推理以达到问题解决的目的。
      • 产生推断:基于现有信息和背景知识,大语言模型智能体能够进行逻辑推理、类比推理、因果推理等,生成关于未来事件可能性、未知变量估计、情境假设等方面的合理推断。
      • 决定动作:在理解信息、解决问题和产生推断的基础上,智能体能够根据其内在目标函数、环境约束、伦理规范等因素,综合评估各种可能的行动选项,选择最有利于达成目标或优化环境状态的行动方案。
  3. 智能体范式
    智能体范式
  4. Lagent框架
    Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。整个框架如下所示:
    框架图
    Lagent由三个主要部分组成,agents,llms和actions:
    • agents:提供代理实现,如ReAct、AutoGPT等。
    • llms:支持各种大型语言模型,包括通过HuggingFace模型的开源模型(Llama-2,InterLM)或GPT3.5/4等闭源模型。
    • actions:包含一系列的action,以及一个action executor来管理所有的action。Agent Lego
  5. Agent Lego框架
    Agent Lego 是一个开源的多功能工具 API 库,用于扩展和增强基于大型语言模型(LLM)的智能体(Agent),具有以下突出特点:
    • 丰富的多模态扩展工具集,包括视觉感知、图像生成和编辑、语音处理和视觉语言推理等。
    • 灵活的工具接口,允许用户轻松扩展具有任意类型参数和输出的自定义工具。
    • 与基于LLM的代理程序框架轻松集成,如 LangChain、Transformers Agent、Lagent。
    • 支持部署工具服务和远程访问,这对于需要大型机器学习模型(例如 ViT)或特殊环境(例如 GPU 和 CUDA)的工具特别有用。
      AgentLego 目前提供了如下工具:
      工具

三、个人体会

  • AgentLego提供的工具是真不少呀,希望自己也能够开发属于自己的智能体

四、本期作业

https://blog.csdn.net/weixin_45609124/article/details/138097181
  • 28
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
R语言实战笔记第九章介绍了方差分析的内容。方差分析是一种用于比较两个或多个组之间差异的统计方法。在R语言中,可以使用lm函数进行方差分析的回归拟合。lm函数的基本用法是: myfit <- lm(I(Y^(a))~x I(x^2) I(log(x)) var ... [-1],data=dataframe 其中,Y代表因变量,x代表自变量,a代表指数,var代表其他可能对模型有影响的变量。lm函数可以拟合回归模型并提供相关分析结果。 在方差分析中,还需要进行数据诊断,以确保模型的可靠性。其中几个重要的诊断包括异常观测值、离群点和高杠杆值点。异常观测值对于回归分析来说非常重要,可以通过Q-Q图和outlierTest函数来检测。离群点在Q-Q图中表示落在置信区间之外的点,需要删除后重新拟合并再次进行显著性检验。高杠杆值点是指在自变量因子空间中的离群点,可以通过帽子统计量来识别。一般来说,帽子统计量高于均值的2到3倍即可标记为高杠杆值点。 此外,方差分析还需要关注正态性。可以使用car包的qqplot函数绘制Q-Q图,并通过线的位置来判断数据是否服从正态分布。落在置信区间内为优,落在置信区间之外为异常点,需要进行处理。还可以通过绘制学生化残差的直方图和密度图来评估正态性。 综上所述,R语言实战第九章介绍了方差分析及其相关的数据诊断方法,包括异常观测值、离群点、高杠杆值点和正态性检验。这些方法可以用于分析数据的可靠性和模型的适应性。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [R语言实战笔记--第八章 OLS回归分析](https://blog.csdn.net/gdyflxw/article/details/53870535)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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 1
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