[论文阅读] | 智能体长期记忆综述

已于 2024-12-15 13:04:58 修改
阅读量795 收藏 10
点赞数 5
CC 4.0 BY-SA版权
分类专栏： LLM&Agent 论文阅读 文章标签： 智能体 长期记忆
于 2024-11-02 21:52:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shujian_tianya/article/details/143456185

更新记录：

  • 2024.11.2 人大高瓴长期记忆综述

文章目录

人大高瓴长期记忆综述
智能体与环境交互
  • 过程通常包括三个步骤：(1)智能体从环境中获取信息存储到记忆中 (2)对存储的信息进行处理和抽取，使其更有价值 (3)根据记忆采取下一步行动
  • 交互过程中，迭代的"智能体采取行动→环境给予响应→基于响应采取下一步行动"，直到任务完成的过程称之为"trial"
  • 示例：旅行规划和电影推荐(结合用户偏好-喜欢古建/喜欢晚上9点看电影)

     
记忆的来源/形式/操作
来源：(1)当前任务历史信息 (2)其他任务的信息 (3)外部知识
 
形式：如何表达记忆的内容，通过(1)文本 (2)参数(训练到模型里)
 
操作：读/写/管理
最低0.47元/天 解锁文章

200万优质内容无限畅学
从理论到实践：构建具有长期记忆的AI智能体
AI架构师小马
05-28 872
我们的目的是要打造一个具有长期记忆能力的AI智能体。这个智能体就像是一个聪明的小伙伴，能够记住过去发生的事情，并且利用这些记忆来更好地完成各种任务。我们的范围会涵盖从理论知识到实际构建的整个过程，让大家全面了解如何实现这样一个智能体。我们会先介绍一些相关的术语和概念，就像给大家发一张冒险地图。然后解释核心概念以及它们之间的关系，让大家对具有长期记忆的AI智能体有一个清晰的认识。接着深入探讨核心算法原理和具体操作步骤，用代码来实现我们的想法。
【智能体系统AgentOS】核心二：记忆结构
yunxinan的专栏
01-23 896
定义：向量数据库主要用于存储和查询高维向量数据，它将数据对象表示为向量空间中的向量，通过计算向量之间的相似度来进行数据检索和匹配。原理：其核心原理是基于向量空间模型，将文本、图像、音频等各种类型的数据通过特定的算法映射为向量空间中的向量。在存储时，将这些向量按照一定的结构和索引方式存储在数据库中。查询时，将用户输入的查询数据也转换为向量，然后通过计算该向量与数据库中存储的向量之间的相似度，如余弦相似度、欧式距离等，来找出与查询向量最相似的向量数据，从而实现高效的检索和匹配。
大语言模型（LLM）| 一文解析AI 智能体长期记忆系统架构设计
最新发布
Androiddddd的博客
06-25 791
Mem0 和 Mem0-g 通过动态提取信息、智能更新和高效检索，为解决大语言模型（LLM）的长期记忆问题提供了一个强大且实用的解决方案。它们成功地在推理精度、响应速度和部署成本之间取得了理想的平衡。
大模型智能体的记忆机制综述
人工智能讲师分享前沿技术
05-23 7353
在狭义上，智能体的内存仅与同一试验内的历史信息有关，即智能体在某个步骤t之前的所有交互信息。这种定义强调了智能体如何利用当前任务中的先前步骤来影响其决策和行动。而广义上的内存定义则更为宽泛，它包括了跨不同试验的信息以及超出智能体与环境交互的外部知识。智能体的内存可以整合来自多个任务的经验和知识，以及通过API调用等手段获取的外部信息。
总算有人把智能体记忆说清楚了
Everly_的博客
11-20 2270
❝随着人工智能技术的迅速发展，智能体（Agent）已经成为许多领域的热点话题。尤其是在生成式AI大规模应用的时代，智能体的设计和运作模式备受关注。而其中，**“智能体的记忆”**更是近年来AI开发中的核心问题之一。一个没有记忆的智能体就像金鱼一样，在对话结束后就会忘记所有信息，严重限制了其潜力。本篇文章将循序渐进地介绍智能体记忆的概念、类型、更新方式以及其实际应用。通过具体的例子，帮助读者深入了解智能体记忆系统的设计与实现，尤其是如何在实际应用中为智能体添加记忆功能。记忆与存储的区别。
从长期记忆的角度谈Agent
2401_85390073的博客
12-17 791
Agent Simulations（智能体模拟器）是通过计算机模拟来理解复杂的智能体交互的问题。它涉及多个智能体之间相互交互。智能体模拟器通常涉及两个主要部分：长期记忆和仿真环境。
【论文阅读|具身智能】Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI
chien__的博客
11-25 3182
具身智能（Embodied AI）对于实现人工通用智能（Artificial General Intelligence，AGI）至关重要，也是连接网络空间和物理世界的各种应用程序的基础。近年来，多模态大模型（MLMs）和世界模型（WMs）的出现因其显著的感知、交互和推理能力而引起了广泛的关注，使其成为具身智能体的大脑中一个很有前途的架构。然而，在mlm的时代，目前还没有对具身智能的全面调查。在本次调查中，我们对具身智能的最新进展进行了全面的探索。
【论文阅读】具身人工智能（Embodied AI）综述：连接数字与物理世界的桥梁
梦阁
12-03 5768
具身人工智能（Embodied AI）对于实现通用人工智能（AGI）至关重要，是连接数字世界与物理世界的各类应用的基础。近年来，多模态大模型（MLMs）和世界模型（WMs）因其卓越的感知、交互和推理能力而备受关注，有望成为。然而，在多模态大模型时代，目前尚缺乏对具身人工智能的全面综述。在本次调研中，我们对具身人工智能的最新进展进行了全面探索。我们的分析首先深入研究，以充分理解研究重点及其局限性。接着，我们分析了四个主要研究目标：1），涵盖了。此外，我们还探讨了多模态大模型。
大模型GUI系列论文阅读 DAY1：《基于大型语言模型的图形用户界面智能体：综述》（6.6W 字长文）
feifeikon的博客
01-19 2173
大型语言模型（LargeLanguageModels,LLMs）的兴起[8][9]，特别是那些增强了多模态能力的模型[10]，为GUI自动化带来了颠覆性变化，重新定义了智能体与图形用户界面交互的方式。我们将回顾GUI智能体的发展历史，提供构建这些智能体的分步指南，汇总基本和高级技术，评审与框架、数据和模型相关的重要工具和研究，展示典型应用，并概述未来发展方向。通过这些问题，本综述旨在提供对该领域现状的全面概览，为构建LLM驱动的GUI智能体提供指导，识别关键研究空白，并提出未来工作的方向。
让对话更智能：使用Neo4j与向量存储搭建记忆系统
afTFODguAKBF的博客
10-28 440
通过Neo4j集成向量存储构建记忆系统可以极大地提升应用的对话能力和用户体验。Neo4j官方文档LangChain项目GitHub。
Agent——记忆模块
xzq_qzx_的博客
03-08 1455
在一系列的教育辅导对话中，学生可能会提出不同的数学问题或理解难题（如“我不太理解二次方程的求解方法”）。ConversationSummaryMemory 可以帮助 AI 总结之前的辅导内容和学生的疑问点，以便在随后的辅导中提供更针对性的解释和练习。
论文阅读：A Survey on the Memory Mechanism of Large Language Model based Agents
DLparkour的博客
05-06 1497
为了实现人工通用智能（AGI）的最终目标，智能机器应该能够通过自主探索现实世界并从中学习来提高自己。是基于 LLM 的智能体的基本要求。如何实现基于 LLM 的智能体内存。支持智能体与环境交互的关键要素是。内存增强型智能体应用。
MemoryScope：为LLM提供强大且灵活的长期记忆能力
老皮的博客
10-25 1775
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
【 ChatGPT作者LilianWeng博客总结】智能体=LLM(大语言模型)+记忆+规划技巧+工具使用...
数据派THU
09-04 2387
来源：深度强化学习实验室 Lii’Log的博客https://lilianweng.github.io/posts/2023-06-23-agent/ 本文约7500字，建议阅读15分钟 LLM的潜力不仅仅限于生成写得好的副本、故事、论文和程序；它可以被视为一个强大的通用问题解决器。[ 前言 ] 以LLM（大语言模型）作为核心控制器构建智能体是一个很酷的概念。AutoGPT、GPT-Engine...
探索AI智能体Agent的核心架构：记忆、工具与行动
m0_59164304的博客
07-15 2714
通过以上分析和案例，我们可以看出智能Agent在记忆与决策过程中，各个模块之间紧密配合，相互支持，形成了一个完整的智能系统。多模态感知为Agent提供了丰富的输入信息，记忆模块存储和管理这些信息，规划与决策模块制定合理的行动计划，工具模块提供必要的资源支持，最终通过行动模块完成任务。这一框架不仅为我们理解智能Agent的工作原理提供了有力支持，也为实际应用中的智能系统设计和开发提供了宝贵的参考。未来，随着技术的不断进步，智能Agent必将在更多领域中发挥重要作用，为我们的生活和工作带来更多便利和创新。
Memory 模块详解：构建不会忘事的 Agent 系统架构与长期记忆机制设计
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
04-21 720
在 Foundation Agent 架构中，Memory 模块不仅是“上下文缓存器”，更是智能体实现身份持续、任务连贯、自我演化的根基。从短期记忆到长期知识，从检索机制到记忆压缩，从 Memory Router 到跨任务记忆迁移，Memory 模块的设计决定了智能体是否具备持续对话能力、是否能记住过去失败、是否能整合外部知识与行为经验。本文将系统拆解 Memory 模块的分类、核心能力、典型结构、开源实现路径，并提供一个可落地的“Agent Memory 架构五步搭建指南”，帮你构建一个真正不会“失忆”的
[论文阅读] |智能体长期记忆与反思
学习笔记
12-15 1497
记录智能体基于长期记忆进行反思的论文扫描
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

风中凌乱的小精灵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值