ADK.wang AI & 软件技术百科

目前能完美适配OpenClaw的国产大模型，覆盖了国内所有主流厂商的产品，包括字节跳动旗下的豆包大模型全系列，阿里云旗下的通义千问全系列，包括通义千问2.5、通义千问Ultra、通义千问Turbo等版本，腾讯云旗下的混元大模型全系列，百度旗下的文心一言（E...

与模型的交互方式：本章介绍了与 LLM 交互的两个核心环节：提示工程 (Prompt Engineering) 和文本分词 (Tokenization)。

文本嵌入（Embedding）模型是一种轻量级的扩展模型，其思路类似于UI设计中的“组件”概念，能够将输入数据转换为向量表示，以便模型能够更方便地进行处理和生成。

在下游多个子任务中进行检测都取得了比较大的提升，具体有视觉常识推理（Visual Commonsense Reasoning）、视觉问答（Visual Question Answering）、图像检索（Image Retrieval）、文本检索（Text ...

在 海外，2022年下半年，Midjourney（人工智能绘画工具）、Stability AI（人工智 能企业）相继发布了文生图（Text-to-Image）应用，可以根据用户输入的文字生 成相应的图片；2024年2月，OpenAI发布了文生视频（Text...

智能体交互层 (Agent Interaction Layer)：完全由 `MsgHub` 驱动。

智能体并非一次性完成任务，而是通过一个持续 的循环与环境进行交互，这个核心机制被称为 智能体循环 (Agent Loop)。

图 5.16 Dify Marketplace插件生态 Marketplace 包含： - 模型 (Models)​ - 工具 (Tools)​ - 智能体策略 (Agent Strategies)​ - 扩展 (Extensions)​ - 捆绑包 (B...

一个好的框架会提供一个通用的 `Agent` 基类或执行器，它封装了智能体运行的核心循环（Agent Loop）。

$$ text{Average Score} = frac{1}{N} sum_{i=1}^{N} frac{sum{d=1}^{4} S{i,d}}{4} $$ 2. 及格率（Pass Rate）：统计平均分达到 3.5 分及以上的题目比例，反映生成题目...

梯度范数(Gradient Norm)应该在 0.1-10 的合理范围内，

❷ 模 型 的 性能 优化 ： AI训练师可以采用一系列技术手段来减小模型的体积、降低 计算复杂度并提高运行速度，包括模型剪枝（Model Pruning）、模型量化（Model Quantization）、知识蒸馏（Knowledge Distillat...

注意事项（Attention） - 严格遵循系统提示中定义的日报输出格式。

（4）消息传递机制 AgentScope 内置了一个消息中心 (MsgHub)，它是整个消息驱动架构的中枢。

混合式智能体(Hybrid Agents) 现实世界的复杂任务，往往既需要即时反应，也需要长远规划。

智能体的行动会引起环境 (Environment) 的状态变化 (State Change)，环境随即会产生一个 新的观察 (Observation) 作为结果反馈。

．检索 检索模块的核心能力是实现检索增强生成所需要的模块，包括文档加 载器（Document Loader）、文本分割（Text Splitter）、文本嵌入 模型（Embedding Model）、矢量存储（Vector Store）和检索召回 （Ret...

智能体的社会性（Agent Sociality）：明斯基的理论强调了智能体之间的交互（激活、抑制）。

分词器 (Tokenizer) 的作 用，就是定义一套规则，将原始文本切分成一个个最小的单元，我们称之为词元 (Token) 。

检索方式：转向基于稠密嵌入（Dense Embedding）的语义检索。

传统的 策略梯度 方法 7.1.1 策略梯度 方法 的 基 本原 理 策略梯度（Policy Gradient）方法是一种直接优化策略的强化学习 算法。

模型剪枝技术主要包含权重剪枝（Weight Pruning）和结构化剪枝（Structured Pruning）两种：权重剪枝针对个别不重要的权重进行零化操作，达到稀疏化效果；结构化剪枝则以通道或卷积核为单位，去除整个结构性单元，适用于硬件加速。

缩放法则 缩放法则（Scaling Laws）是近年来大语言模型领域最重要的发现之一。

即便我的成绩有所提高，美国大学入学考试（ACT）——需要回答600个问题，并保持4个小时不动对于患有注意力缺陷多动症的我来说，也绝对是一场噩梦。