Agent的退化 RAISE如何让AI更痴呆

嘿，大家好！这里是一个专一于AI智能体的频道！

当天和大家聊聊一个经典的，贝壳提出的RAISE Agent架构。除了架构之外，还蕴含一个片面的智能体训练框架，从数据选取到场景增强等等。

From LLM to Conversational Agent: A Memory Enhanced Architecture with Fine-Tuning of Large Language Models

本文引见了 RAISE（经过 Scratchpad 和示例启动reasoning和acting），这是一种初级架构，可增强 GPT-4 等大型言语模型 ( LLMs ) 与会话Agent的集成。 RAISE 是 ReAct 框架的增强版，蕴含双组件记忆系统，反映人类短期和常年记忆，以坚持对话的高低文和延续性。它须要一个片面的agent构建场景，包括对话选用、场景提取、CoT 成功和场景增强等阶段，最后进入LLMs培训阶段。这种方法仿佛增强了agent在复杂的多轮对话中的可控性和顺应性。咱们在房地产开售环境中的初步评价标明，RAISE 比传统Agent框架具备一些长处，标明其具备更宽泛运行的后劲。这项上班为开发更多高低文感知和多配置对话Agent提供了一个弱小的框架，为人工智能畛域做出了奉献。

RAISE的外围是它的双组件记忆系统，这就像是咱们的短期和常年记忆。短期记忆局部，也就是草稿，会记载下最近的互动消息和论断，而常年记忆局部则担任提取与对话关系的消息。

这个架构的凶猛之处在于，它能让AI在多轮对话中坚持连接性和高低文看法。这就像是，你和AI聊着聊着，它突然能接上你之前提到的一个话题，这种觉得就像是和真人聊天一样人造。

5种Agent框架差异

附带的还包括一个相对片面的智能Agent构建的模型训练方法，包括对话选用、场景提取、思想链成功和场景增强等阶段，最终到达训练大型言语模型的目标。这种方法不只能提高Agent的控制性和顺应性，还能让AI在复杂对话中体现得更好。

试验结果标明，RAISE在房地产开售畛域的对话中，比传统的聊天代理有更好的体现。这不只仅是在房地产畛域，RAISE的这些原理和方法论也可以运行到其余畛域，显示出它的多配置性。

本文转载自​​，作者：