2024 北京智源大会 Agent

LLM 的局限性
- 实时性
- 专业知识缺乏，将 1+1=2 表示为 token 信息损失了专业知识
- 没有自主性（不会工具使用）
- 协作意识薄弱。封闭开发，我们不需要若干个通用大模型，可以通过专家模型写作来实现任务完成
multiagent system catagories

社会模拟型斯坦福小镇
任务完成性 ChatDev
多智能体自主交互

intuitive method 投票
但是智能体之间没有信息流通->智能体的语言交互

这是一个可能的任务完成 pipeline
基于智能体交互 multiagent system 能力提升基于以下四点
- 任务目标。交互是有以任务完成为目标的
- 社会组织。multiagent 交流的图关系
- 组织管理。agent 之间的关系以及这种关系对语言交互的影响
- 行为路由。例如在有若干专家模型的场景中，如何安排模型执行顺序使得任务更好完成？
  - 顺序型
  - 互斥型
  - 并发型
agent 幻觉缓解
工具使用
反问机制主动询问以细粒度定位并得到解决方案。
agent 语言交互的内容？？？
跨任务经验/历史经验

相似任务上重复做，一次又一次撞南墙，属于推理浪费。

agent system 可以跨任务经验迁移

所有 agent：
1. 在训练任务上实践得到 trace
2. 记忆 trace
3. 利用大伙的经验，进行经验化推理
群体协同的可拓展性

核心的挑战在于设计一个通用的组织结构，实施合理的路由策略，并建立有效的记忆管理，以实现高效和可扩展的群体协同

macnet

呃呃，还是读论文吧。