GAI和AI Agent - bettermorn/IAICourse GitHub Wiki

生成式AI

参考学习材料: 李宏毅Introduction to Generative AI 2024 Spring https://speech.ee.ntu.edu.tw/~hylee/genai/2024-spring.php 动手实践生成式人工智能 可参考 https://blog.csdn.net/carrottwo/article/details/141072754

AI Agent

参考学习材料:李宏毅生成式人工智能课程 https://speech.ee.ntu.edu.tw/~hylee/ml/2025-spring.php 注意:模型本身没有被训练。

Agent能力

根据经验调整行为

使用工具

实现规划

理论依据,tree_search , 俗语 脑补

参考论文

User Behavior Simulation with Large Language Model based Agents

A Survey on LLM-based Autonomous Agents:

Large Language Model Agent: A Survey on Methodology, Applications and Challenges

Advanced and challenges in foundation agents

  • “本综述提供了一个全面的视角,将智能体置于一种模块化、类脑启发式的架构之中,融合了认知科学、神经科学与计算研究的核心原理。” 具体介绍可参考 https://mp.weixin.qq.com/s/WSqAmRV_Rla0Wv7JajysAg 第一部分,我们探讨智能体的模块化基础,系统性地将其认知、感知与执行模块映射到人脑的功能结构上,并详细解析诸如记忆、世界建模、奖励处理以及类情感系统等关键组成部分。 第二部分,我们聚焦于智能体的自我增强与适应性进化机制,研究其如何通过自动优化范式实现能力的自主提升、对动态环境的适应与持续学习,涵盖新兴的AutoML技术与LLM驱动的优化策略。 第三部分,我们考察协作式与进化式多智能体系统,探索由智能体间的交互、合作与社会结构所涌现出的集体智能,并指出其中与人类社会行为的诸多相似之处。 第四部分,我们讨论构建安全、可靠与有益的人工智能系统的紧迫性,强调内在与外在安全威胁、伦理对齐、系统鲁棒性以及实际可行的风险缓解策略,从而实现可信赖的现实部署。 通过融合模块化AI架构与多学科的研究洞见,本综述明确了关键的研究空白、挑战与机遇,旨在激发技术创新,推动技术进步与社会福祉的有机结合。
  • 论文:https://arxiv.org/pdf/2504.01990
  • 项目仓库:https://github.com/FoundationAgents/awesome-foundation-agents

参考代码

以下来自 https://speech.ee.ntu.edu.tw/~hylee/ml/2025-spring.php

参考书籍

相关工具

工具比较

https://github.com/langgenius/dify#feature-comparison