XINDOO的博客
·
Agent设计模式——术语表
💡
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
提示词影响AI模型输出效果，上下文窗口是模型处理信息的最大容量。上下文学习使模型快速适应新任务，零样本、单样本和少样本提示提高响应精度。多模态能力使AI处理多种数据类型，事实锚定确保输出准确。核心架构包括Transformer和RNN，开发流程涵盖预训练、微调和对齐，以符合人类价值观。增强AI Agent能力的技术有思维链、思维树和规划等。
🎯
关键要点
- 提示词是用户向AI模型提供的输入，影响模型响应效果。
- 上下文窗口是模型处理信息的最大token容量，超出范围的信息将被忽略。
- 上下文学习使模型通过嵌入示例快速适应新任务，无需额外训练。
- 零样本、单样本与少样本提示技术通过提供示例引导模型生成响应。
- 多模态能力使AI理解并处理跨数据类型的信息，支持更丰富的交互。
- 事实锚定确保模型输出与可验证真实信息源关联，降低幻觉发生。
- Transformer是现代LLM的基石架构，利用自注意力机制处理长文本序列。
- 循环神经网络（RNN）通过循环结构维持对历史输入的记忆，早于Transformer。
- 专家混合架构通过动态筛选专家网络处理特定输入，控制计算开销。
- 扩散模型专注于高质量图像生成，通过逆转随机噪声过程实现新数据生成。
- Mamba架构具备超长上下文序列处理能力，是Transformer的潜在替代方案。
- LLM开发生命周期包括预训练、微调和对齐，确保模型符合人类价值观。
- 预训练阶段通过海量数据训练模型，掌握语言规律与世界知识。
- 微调阶段使用小规模数据集将通用模型适配至特定任务。
- 对齐技术确保AI模型行为契合人类价值观，输出安全且有帮助。
- 思维链技术引导模型逐步展示推理过程，提升复杂任务的精确度。
- 思维树框架支持Agent探索多条推理路径，增强复杂问题解决能力。
- ReAct框架将推理与工具使用结合，优化复杂任务的执行过程。
- 规划能力使Agent将高层目标分解为可管理的子任务，制定执行计划。
- 深度研究能力使Agent自主深入探索主题，构建全面的主题认知。
- 评审模型用于审查和评估其他AI模型的输出，确保质量标准。
❓
延伸问答
什么是提示词，它对AI模型有什么影响？
提示词是用户向AI模型提供的输入，影响模型的响应效果，提示词的质量与结构深度至关重要。
上下文窗口的作用是什么？
上下文窗口是AI模型单次处理的最大token容量，超出范围的信息将被忽略，影响对话交互与文档分析能力。
什么是多模态能力，它如何提升AI的交互？
多模态能力使AI理解并处理跨数据类型的信息，支持更丰富的类人化交互，如图像描述和语音问答。
LLM的开发生命周期包括哪些阶段？
LLM的开发生命周期包括预训练、微调和对齐三个阶段，确保模型符合人类价值观。
思维链技术如何提升AI的推理能力？
思维链技术引导模型逐步展示推理过程，常在复杂任务中产生更精确的结果。
评审模型的功能是什么？
评审模型用于审查和评估其他AI模型的输出，确保质量标准并优化推理流程。
➡️
