#itup01体育游戏app平台
玩LLM和agent有一段时分了，目下合计AI agent落地是一个很难过的阶段。学术上是一个富矿，有点当年人人系统火起来的嗅觉了。
agent work吗，他work，许多bert无法作念好的任务，LLM能有可以的后果，在agent框架加执下，针对特定任务后果会好，不得不承认，岂论是LLM如故agent在后果上都是实打实的向上。
那agent弥散work吗，这个谜底显着是否的。淌若说曩昔深度学习群众是真金不怕火丹师，那目下作念agent专揽是简直木工技巧东谈主了。不同的缅思库，不同的prompt法式，用不同的LLM 拼起来后果差别都蛮大的。
那这些局限性是怎样产生的呢，有一个很核心的问题我称之为shallow reasoning，也就是说那怕是年头的GPT4，他的推理都是相比浅层的。GPT5可以科罚吗，也许。可是这也有可能是decoder-only transformer架构的固有谬误。是以目下看来agent的神经核心如故很原始的阶段。
其实agent四大模块除了tool use都存在肖似的问题。
缅思模块，目下的RAG也非常原始。只是通过文本相似性来搜索是不是也太肤浅狂暴了？比如说，我的指标是从A地到C地，可是我必须加油，中间唯有B地有加油站，那么显着我需要完成A-B-C的旅途。那淌若我目下是A我思意识C，有中间东谈主B。那我王人备可以回思之前加油的例子，来完成我的指标。之前加油的例子诚然和现时任务是共通的，可是文本相似性很低。是以个东谈主见解是咱们需要更高档的缅思模块。
逻辑推理模块目下有许多比如，COT, TOT,GOT，类比相似的例子等等。这些模块一定历程上科罚了浅层推理的问题，可是依然，目下agent的推理深度是不够。是以大部分论文如故在肤浅的数据集上测试（这里的肤浅数据集联系于之前的NLP法式也很难了）。那随之而来的问题是，关于不同的任务，我要聘用哪种法式去推理呢，我需要花几许算力去推理是顺应的呢？目下即使是最高档的prompt手段，也需要许多手工调养。是以推理模块也依然黑白常原始的。
淌若不说那么远，淌若基于目下agent仍是有的智商去落地呢？依然还有许多问题。
从需求上，譬如说目下agent可以帮你订个外卖，旅馆，机票。问题是他简直比用APP顺遂吗？我思咱们不要小看了十多年来出动互联网发展中，对APP的优化历程。再比如说像characterAI这么，简直比刷抖音和看短剧荒谬义吗？
目下合计几个相比好的专揽想法是，医疗多模态大模子+agent，淌若医疗影像可以关于新任务可以径直few-shot，并且后果粗略商用，会是一个很好的冲破。还有作念游戏亦然很好的想法，agent可以产生许多很情理情理的游戏本体，我思这类游戏仍是在路上了。还有外交限制，天然这里不是真东谈主外交，是假造伴侣，假造偶像，这些需求细目是存在的，可是家具修复也需要摸着石头过河。
至于软件修复，目下用GPT4的智商，王人备是扯蛋的。
终末是算力的问题，serving cost简直太高了。目下能作念agent的LLM，唯有GPT4，3.5水平不异的模子作念agent很拼凑。一个用户单次交互，也许要花好几毛东谈主民币。什么样的家具，夸口什么样的需求才调卖得起这个价格呢？
是以说目下落地是个难过的阶段，要么等算力，推理框架，蒸馏技术发展，让工作本钱弥散低廉。要么等agent这套框架发展处更好的缅思，和推贤慧商
❤（itup01）体育游戏app平台
