提升Agent规划效率和准确率:COT planahead + Reflection

文摘   2025-01-27 13:01   山西  
Agent现有规划能力还不高,复杂推理能力还不够强,COT/TOT等不观察反馈,只适用于简单任务或初始化,ReAct、Reflection等虽然观察反馈但缺乏全局思考,往往陷入低效局部摇摆。

这些问题怎么解决呢?

可以通过以下办法:

  • 实践中,COT planahead + Reflection一个兼顾效率和准确率的选择,被广泛采用。

  • 算法上,结构化的思考记忆、类似OpenAI o1的“慢思考”。

  • 产品上,白盒化交互、领域SOP都是有效的补充。

这些内容是DataFun数据智能知识地图3.0版本-数据建模领域,Agent模块的内容。

数据建模领域包括以下内容:

  • 图神经网络在电商推荐系统中的应用

  • 揭秘大厂大模型评测

  • 大模型微调突破

  • 升级版RAG高级检索

  • Agent技术难点与趋势

  • 多模态

  • LLMOPS方案实施路径及策略

  • 引擎工程 AI Infra:投机采样与通信优化

入群免费下载知识地图3.0

老师:

齐翔 蚂蚁数科 NLP算法负责人

蚂蚁集团高级算法专家,中科大本科,中科院计算机专业博士,博士方向专注NLP/机器学习领域,现负责蚂蚁数科ToB Agent算法研发,关注Agent在B端严肃领域的知识工程、复杂任务推理、场景评测和系统进化等课题。

DataFunTalk
专注于大数据、人工智能技术应用的分享与交流。致力于成就百万数据科学家。定期组织技术分享直播,并整理大数据、推荐/搜索算法、广告算法、NLP 自然语言处理算法、智能风控、自动驾驶、机器学习/深度学习等技术应用文章。
 最新文章