2024 北京智源大会 Agent

• LLM 的局限性

  • 实时性
  • 专业知识缺乏，将 1+1=2 表示为 token 信息损失了专业知识
  • 没有自主性（不会工具使用）
  • 协作意识薄弱。封闭开发，我们不需要若干个通用大模型，可以通过专家模型写作来实现任务完成

• multiagent system catagories

  社会模拟型 斯坦福小镇
  任务完成性 ChatDev

• 多智能体自主交互

  intuitive method 投票
  但是智能体之间没有信息流通->智能体的语言交互

  这是一个可能的任务完成 pipeline

  

• 基于智能体交互 multiagent system 能力提升基于以下四点

  • 任务目标。交互是有以任务完成为目标的
  • 社会组织。multiagent 交流的图关系
  • 组织管理。agent 之间的关系以及这种关系对语言交互的影响
  • 行为路由。例如在有若干专家模型的场景中，如何安排模型执行顺序使得任务更好完成？
    • 顺序型
    • 互斥型
    • 并发型

• agent 幻觉缓解
  工具使用
  反问机制 主动询问以细粒度定位并得到解决方案。

• agent 语言交互的内容？？？

  

• 跨任务经验/历史经验

  相似任务上重复做，一次又一次撞南墙，属于推理浪费。

  agent system 可以跨任务经验迁移

  所有 agent：

  1. 在训练任务上实践得到 trace
  2. 记忆 trace
  3. 利用大伙的经验，进行经验化推理

• 群体协同的可拓展性

  核心的挑战在于设计一个通用的组织结构，实施合理的路由策略，并建立有效的记忆管理，以实现高效和可扩展的群体协同

  macnet

  呃呃，还是读论文吧。