AI 大模型系统实战
Tyler
前亚马逊应用科学家,头部大厂 AIGC 算法技术负责人
6826 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 38 讲
结束语&结课测试 (2讲)
AI 大模型系统实战
15
15
1.0x
00:00/00:00
登录|注册

21|提示语工程(三):如何帮助智能体更好地管理记忆?

你好,我是 Tyler。
第 2 节课的时候,我们第一次提到智身具能的概念。随着课程的学习,相信你已经有了新的感悟和判断,再次回顾第 2 节课中的 ReAct 时,你也会发现这个 Langchain 和 AutoGPT 重度依赖的提示语方法虽然门槛低,人人都可以体验,但过于简单,是一个极为初级的方法。
具身智能这个词,原来是机器人相关学科的术语,不过由于机器人研究的速度限制了具身智能研究的发展。所以,为了提高研究实验的效率,目前大多的具身智能研究都会在一个虚拟或数字孪生的世界中进行。
在众多基于生成式 AI 大模型的具身智能研究中,最有代表性的当属斯坦福的 Generative Agents(我们在第 10 节课里埋过彩蛋)。不过那个时候这篇论文对应的代码还没有开源,你也没有储备好大语言模型和上下文学习的相关知识,直接看论文会感觉云里雾里。
但现在我们再来学习这篇论文就会事半功倍。接下来的几节课,我不但会为你深度解析这篇论文的技术原理与方案,还会带你综合各种提示语工程方法,动手构建一个真实的具身智能“应用”——一个属于你自己的“西部世界”。

西部世界

如果你看过《西部世界》这部科幻剧的话,会发现斯坦福研究人员在做的实验,正是构建一个像西部世界一样的乐园,作为“造物主”,为智能体植入“意识”。总之就是构建一个未来世界中的机器人主题乐园,其中机器人可以像人类一样思考和行动,每天他们都在相同的时间地点醒来,进入乐园管理者为他设定的剧本情节。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

本文介绍了一种新的技术,记忆流,旨在帮助智能体更好地管理记忆。通过斯坦福的Generative Agents项目和AI小镇的运行规则,展现了智能体管理记忆的技术特点。记忆流可以有效地将相关的记忆呈现给语言模型,提高智能体的表现和生成的内容的质量。文章内容涉及了具体的技术实现细节,对于对智能体技术感兴趣的读者来说,具有很高的参考价值。记忆流的检索过程类似于人类的回忆过程,会利用时近性、重要性和相关性等因素来计算记忆对象的得分,然后选择与当前情境最相关的记忆。通过回顾过去的经历,智能体可以更好地理解当前的情境,并做出更合理的决策。这种方法能够帮助智能体理解和适应复杂的情境,提高智能体的性能,更有效地管理记忆信息。文章通过引入记忆流的方案,解决了智能体记忆管理的问题,提高了生成式智能体的表现。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 大模型系统实战》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(5)

  • 最新
  • 精选
  • 大尾巴老猫
    真实世界中的智能体环境远比那些玩具教程要复杂得多,如果不经过专业的训练,在面对真实的多智能体博弈需求时,孩子们将只能向恶龙挥舞自己手中的儿童木剑(在 Langchain 和 AutoGPT 使用的 ReAct),让人哭笑不得。 Langchian有那么的不堪吗?不过好像也没看到此文中介绍的内容超越或者颠覆LangChain多少...保持技术的中立性和客观性

    作者回复: 你好,大尾巴老猫!感谢你的问题,课程还在持续更新,希望你在完成提示语工程系列的完整学习后,能够自己得出这个问题的答案。那时如果还有疑惑,我们再继续交流。

    2023-10-03归属地:北京
    4
  • 顾琪瑶
    1. 设定基础信息, 如姓名, 年龄, 职业, 家庭等等 2. 背景故事 3. 行为准则 4. 环境信息(如所处的地方, 工作场地等等) 不过还是有点不太明白, 多个agent是如何互相互动起来的, 类似是应用启动时给每个agent发一条指令, "现在你们可以和小镇里的居民们交流了"吗?

    作者回复: 你好,顾琪瑶!很好的问题,在下一节课中,我们给出了整体的实现方法,你可以去看一下。

    2023-09-27归属地:上海
    3
  • aLong
    目前确实没看懂为什么一直觉得langchain是玩具。
    2024-02-07归属地:北京
    1
  • l_j_dota_1111
    在虚拟构建的世界里, 会有多个智能体,每个智能体都会不断产生新事件,这些事件都会当做记忆流的一部分进行存储。那么在新的交互过程中,面对如此大体量的记忆流,如何保证查询效率。记忆流是如何存储的?(记忆流是按照时间尺度进行存储,还是按照关键事件存储。如果是时间尺度,多长时间存储一个记忆,如果是按照事件存储,如何定义这个事件值不值得存储)
    2024-02-04归属地:天津
    1
  • l_j_dota_1111
    每个节点的新旧程度、重要性和相关性得分,其中新旧程度可以很容易计算出来,那么重要性和相关性是如何计算出来的,用大模型吗
    2024-02-05归属地:天津
收起评论
显示
设置
留言
5
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部