AI大模型学习（1）_ai大模型的学习

Agent

Agent：大模型的插件

Agent = 大模型 + 插件 + 执行流程，是大模型能力的外延

智能带来的框架：LLM-based Agent，包含三个组成部分：控制端（brain），感知端（Perception）和行动端（Action）

控制端：Brain，大模型的大脑，是Agent的核心

• 自然语言交互
• 知识
• 记忆力
• 推理和规划能力
• 迁移性和泛化性。情景学习和持续学习。见人说人话，见鬼说鬼话

感知端：Perception，大模型的耳朵和眼睛

• 文本输入
• 视觉输入
• 听觉输入
• 其他输入

行动端：Action，大模型的手和脚

• 文本输出
• 其他模型

LLAMA Index：辅助模型的记忆力。知识的外挂

• 列表索引
• 向量存储索引
• 树索引，把数据和知识以不同的结构存储起来，然后通过不同的检索方式获取知识。
• 关键词索引
• 知识图谱索引

COT：chain of though 

TOT：搜索、评估、回溯

总结：

Agent，

• 给大模型加外挂

1、外挂辅助输入，例如：外部调用日历

2、外挂输出。日期：2023-12-21，目标：挑起，调用工具：气象接口

• 思维链条

把复杂的问题进行拆解，不指望大模型一次回答出来，多调用几次大模型，解决复杂问题

如果说大模型是电池：核心能力，

则agent就是一辆电动车：最终交付，最终产品

Agent的缺点：

1、依赖大模型的核心能力，大模型本身够强大才行

2、链路过长，某一个环节出错，前功尽弃

3、多次调用模型，效率不高

4、迁移能力弱，换模型需要重新写提示词

5、能力强弱，取决于写提示词的水平

大模型性能力是有上限的，端到端虽然理想，但是复杂问题很难解决，Agent这种拆解方式，可能会流行

羊驼系列大模型

LLaMA（美洲驼）模型

• 相比之前的大模型，LLaMA完全是在公共开源预训练数据上训练的
• 推理效率也是LLaMA的一个亮点，可以在蛋单卡V100完成推理

关键网址：

https://huggingface.co/

训练数据同GPT，目标打造类似安卓的生态圈。GPT类型于IOS

AIPaca模型

基于LLaMA微调而来的全新模型（套壳），大模型的屌丝化，仅需600美元成本

Vicuna模型

比对情况

国产大模型

华驼，百川大模型，文心一言（原创）等

LLaMA2.0