从强化学习(多)智能体到大语言模型(多)智能体

m0_74120090 2024-11-23 16:42:46

课时名称课时知识点
从强化学习(多)智能体到大语言模型(多)智能体毛航宇 快手科技快意大模型知识增强研发负责人

演讲主题 从强化学习(多)智能体到大语言模型(多)智能体 以ChatGPT为代表的大语言模型是人工智能领域最火爆的研究热点之一，而AI Agent是大语言模型最有潜力的应用方式之一。本报告以智能体（Agent）为线索，首先梳理基于强化学习的决策智能体和多智能体研究，其次介绍基于大语言模型的AI Agent和AI Agents研究，最后在不泄露公司机密的前提下分享一些企业实践中的心得体会。

...全文
136 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【AI论文】大语言模型智能体强化学习中的树搜索方法
摘要：本文提出基于树搜索的分组强化学习方法（Tree-GRPO），以解决大语言模型在多轮智能体任务中监督信号稀疏的问题。该方法通过树状结构共享公共前缀，在固定预算下增加模拟推演次数，并利用树结构自然生成过程监督信号。理论证明树内分组优化等价于分步偏好学习。在11个问答数据集上的实验表明，Tree-GRPO优于链式强化学习方法，尤其在多跳问答任务中提升显著（16%-69%）。该方法在采样效率和低预算场景下表现突出，但面临大规模模型收益有限等挑战。未来将扩展数据集规模并优化复杂任务表现。
IEEE Trans｜​基于大语言模型的强化学习综述：概念、分类和方法
1. 首次系统性地定义和综述了基于大语言模型增强的强化学习这一新兴领域，提出了完整的概念分类框架。2. 基于智能体-环境交互范式，将大语言模型在强化学习中的作用分为信息处理器、奖励设计器、决策者和生成器四类，并详细分析了每种角色的方法、优势和挑战。
革命性AI技术Reflexion：语言智能体的口头强化学习完整指南
在人工智能快速发展的今天，**Reflexion**作为NeurIPS 2023的突破性研究成果，正在重新定义语言智能体的能力边界。这项革命性技术通过口头强化学习，让AI具备了自我反思和自我修正的能力，为复杂任务处理带来了全新的解决方案。 ## 🔍 什么是Reflexion技术？ Reflexion是一种基于大语言模型的语言智能体框架，它通过**自我反思机制**实现了持续的自我改进。与传统A
Agent的四大范式（一文让你全面理解Agent工作原理）
Agent 应用的这五大能力，充分展示了LLM 在任务规划与执行中的潜力。随着技术的进一步发展，Agent 将能够更高效地解决实际问题，为各行业带来更多创新和价值。
中科大：Agent强化学习框架
如何有效训练大语言模型（LLM）作为自主智能体，以应对复杂的多轮交互任务？论文提出了一种名为Agent-R1的框架，扩展了经典的马尔可夫决策过程（MDP）以适应多轮互动和强化学习在LLM代理中的应用。
CSDN技术会议的课程社区_NO_2

1

社区成员

204

社区内容

发帖
与我相关
我的任务
社区管理员
  • m0_74120090
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章