代理商商业化的持续发展：技术瓶颈，应用突破

通过跳入大型模型技术和计算能源资源的增强，AIAGENT（代理商）在国内外市场上爆发了爆炸性的发展浪潮。巨型全球技术，例如微软，Google，Zoom，Baidu，Alibaba，Tencent，Bytedance，增加了他们对布局的投资，从实验室到应用程序的前线，它涵盖了许多领域，例如客户服务，办公室自动化，教育，教育，教育和培训，教育，教育和咨询。应用程序之后，这种AIAGENT正在逐渐出现新一代的“人类计算机联系门户”。但是，随着代理商技术的快速发展以及资本热情的持续变暖，我们还应该记住，应用程序的瓶颈的基本技术挑战以及对实际实施中他们面临的工作结构的巨大影响。本文将研究以下三个方面：最关键的技术当前代理的开发面临的L瓶颈；各个方面应提高他们处理复杂实际问题的能力；以及代理商在工作市场中的普及将如何影响。 1。评估智能机构形成的主要技术瓶颈 1.1复合幻觉 Aigent通常建​​立在大型语言模型（LLM）上，并且大型模型存在“幻想”问题，也就是说，在开发内容时缺乏现实的依据，并且可能是错误或错误信息的输入。在链链的呼吁中，如果在actaine链接中发生错误，则结果将继续通过随后的步骤来提及，从而导致链链中不断加强的错误，从而导致“疼痛积累”。它给高质量的场景带来了严重的挑战（例如，财务报告，合同分析，医学咨询等）。 1.2较差的工具呼叫和环境灵活性 尽管当前的代理h作为调用外部工具（API，插件，数据库等）的能力，它在许多工具的组合计划，处理异常，状态维护等中都缺乏“智能”。该代理缺乏“执行记忆”，面对状态变化或意外中断，很难恢复自身，而且很难处理“动态互动”情况。这极大地限制了具有复杂流程的业务水平应用程序的稳定性和稳定性。 1.3一般和转移的能力不足 尽管预训练的大型模型具有强大的语言产生能力，但普通代理商不熟悉活动的能力仍然有限。当前，大多数代理仍然是“精细调整 +特定方案设置”下的狭窄域应用程序，并且难以切换任务和字段中的灵活性。尤其是面对空闲问题，模糊需求和多功能优化，代理仍然需要依靠大量的MAn nul干预和工程支持。 1.4长期记忆机制尚不完美 大多数代理商依靠上下文的短期背景，并且缺乏对用户的长期行为，历史工作链和知识积累的长期记忆的能力。这导致无法对长期项目产生连贯的理解，并经常重复问题或失去基本信息，从而影响人类计算机合作的经验。 2。提高情报能力的基本方向 2.1加强知识和能力的外部整合 尽管大型模型具有对语言进行建模的能力，但它缺乏实时和结构化的知识支持。将来，代理商将需要结合外部知识系统，例如内部和外部知识图，专业文档库，实时数据库等，以通过获得一代增强发电（RAG）和发电机制，并增强推理的能力。例如，结合了SAP和Salesforce等CRM系统，建立了金融，法律活动和供应链等行业情报水平。 2.2优化任务计划和多轮对话机制 真正强大的代理应该具有独立分解任务，路径实现路径并评估和反思的能力。可以使用树搜索算法，过程建模技术（例如PDDL）和反射机制（自我反射）来优化其任务调度系统。同时，应增强上下文监视功能和保证机制 - APARE -SAME TALK，以避免“每个扭曲开始”的分裂体验。 2.3介绍多代理协作体系结构（多代理系统） 当前，单个代理与所有任务集成的逻辑效率无效。在未来re，“代理的有组织的架构”可能会采用，即由许多专用代理组成的虚拟组织，每个组织都通过与任务传递消息和通信，扮演计划，实施，监视等的作用，并共同完成复杂的任务。例如，可以在产品设计过程中配置诸如“创意代理”，“可行性分析代理”和“竞争产品调查代理”之类的伴侣伙伴关系。 2.4加强人机共同创建和反馈调整机制 “人类反馈加强学习（RLHF）”在出色的培训模型培训中取得了惊人的成果，并可以将来扩展为“连续的互动调谐机制”，即指导用户立即对实际操作中的代理行为进行立即评论，并结合复杂，Fuzzy和任务变化的管理改进（SFT）（SFT）。 3。代理在工作结构中的影响和响应策略 3.1分层更改将在工作位置发生 具有强大重复性，明确策略和数据驱动的任务将首先由代理人取代，例如基本客户服务，数据注释，过程操作员，基本翻译和其他职位。代理人将成为工人知识的“共同助理”。例如，程序员使用代码生成代理来加速发展，律师使用法律代理人来帮助存档案件和法律问题，市场人员使用生成代理来创建营销副本。诸如代理商调度员，及时工程师，智能车身设计师，AI产品经理，AI伦理主管等职位已经出现，这些职位将开发出“智能身体产业链”的主要支持链接。 3.2政府，企业与个人之间的多维合作伙伴关系 从政府层面，我们将促进AI阅读教育，并包括编程，科学，模型理解等基础知识在第二和高等教育课程中。建立一个重新就业培训基金，以支持受影响的小组研究新技能；建立一个“数字就业跳板”平台，以促进准确的匹配技能和工作。尽快实施安全框架，隐私和道德政策，以尽快使用智能生物，以为健康的工业发展提供边界指南。 从业务水平来看，我们不应以“降低成本和提高效率”的目的关闭劳动力职位，但是内部员工应该促进改变“人机合作”。鼓励员工通过低编码平台，内部工具库等开发智能应用程序，以实现“全势型AI”。 从个人的角度来看，请注意基本专业的AI动态和主动学习技能，例如及时的工程，数据处理和AI产品管理。发展软技能，例如创造力，战略性T在代理人不胜任的地区，欣赏和跨文化交流，并保持竞争优势。尝试成为设计，主管和代理培训师，并将其包括在AI符号的Ecosy系统中。 [收费编辑：Yan Yujie] 王彭 北京社会科学学院的研究人员，北京Xi Jinating的特别研究员对新时代的社会主义和中国特征的思想，数据资产研究所执行董事，以及Nanchang Technology Institute的数字经济研究所的特别教授。