「LLM， Agent, RL的关系」在LLM的语境下，Agent是能理解问题，自主进行推理（Reasoning），并采取行动的系统。你可以把它想象成一个非常聪明的助手，当你提出复杂问题时，它不会立即给出答案，而是会在内心进行推理和规划（Planning），再给出最终决定。如果我们回顾prompt engineering中提高LLM Reasoning能力的方法，如Self-Consis

#LLM #agent #RL #reasoning #planning #Prompt Engineering #AI助手 #自主推理

相关新闻

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

4分钟前

一个LLM知道“什么是火”，但一个“有状态”的Agent应该“记得自己上次被烫伤的经历”。

Barret李靖

17分钟前

LLM 出来之后，在应用层的折腾从未停歇。从 Prompt 调优到 Workflow 配置，再到 Agent 构建，最终目的都是一样的：让 LLM 更好地为人类干活，把机器的性能压榨到极致。对 LLM 的压榨，可以分为两个维度。一是帮助它找到最优算法，让推理少走弯路。为此我们几乎把能想到的路子都走了一遍，让 LLM 学会反思（reflection、self-consistency、self

比特进

15小时前

庆祝Bitget七周年，AI助手GetAgent 全面免费开放。开单之前先用GetAgent分析一下,挂好点位去休息,接到单子睡醒就开始盈利了。 #GetAgent 亮点和优势： 1.从市场分析/策略规划到风险评估，GetAgent提供一站式解决方案。 2.根据账户的持仓和交易习惯，打造专属个性化体验。 3.提供主流分析工具EMA MACD RSI KDJ 布林轨,斐波那契等的进出场和止盈

xxchan

2天前

Context7 是个少数比较有用的 MCP tool 之一，他能搜索你用的库的文档。但这两天 X 上有人提到一些新的 MCP 文档搜索工具，说比 Context7 好。那么问题来了，我怎么知道到底哪个好呢？其实可以让 agent 自己比

0xWizard

2天前

人和 ai 的差异没那么大。人的心法/逻辑/思考方式，就是 LLM 大语言模型底层；平时的“事上练”/经验/盈亏/读书，就是数据训练。所谓进步和升级，无非就是一边升级模型底层，一边不断喂数据。这样当 prompt 提示词适当的时候，就能给出更令人满意/更聪明/更接近正确的答案。