LLM进化下的Agent演变及软件重构下的一点思考

最近在与peer团队协同时遇到一个case,客户是某科研院所,希望通过llm,agent等技术搭建科研实验操作助手,以实现一定自主化的实验前领域知识学习与洞察、实验方案设计、实验过程执行与检测、实验结果统计与反馈等...

这让我回忆起去年上半年看到过的一篇来自化学领域专家们对这一领域的探索:"Autonomous chemical research with large language models"。研究者们构建了一个llm驱动下的Coscientist,通过整合llm能力,借助互联网和本地文档搜索与增强、代码执行与验证及实验自动化等工具,进行复杂的实验。

其中展示了其在六个领域加速研究的潜力,如针对催化交叉偶联反应成功在内部半自动的实现了多样化任务规划、拆解、调度及验证,包括(半)自主能力的实验设计与执行,最终发现并验证了Coscientist这样的人工智能系统在推进化学实验过程中所拥有一定的通用性、有效性和可解释性。同时论文中也给出了面向未来探索更复杂的多步骤实验方案设计、多轮次实验结果验证并反馈迭代的潜在潜力。

也联想到,最近的一年间随着llm模型的快速进化,上层的各种如Agent,Workflow,RAG,Copilot等创新应用重构形式亦逐渐成熟,我想未来随着多样化的应用场景在上述各框架及分支间逐渐深化与互相交融,更多数字化应用或与真实世界交互下具身应用的不断创新,其上不论是模型内隐性或模型与知识间显性下各种CoT/ToT及RAG下的training-time或test-time泛化拼接与牵引也好,外部各工具或功能集成也好、各种形式化函数调用也好,都会形成更智能化、个性化和灵活化的趋势,且在这种趋势之下,我们可能也不得不重新思考或去定义那些被人们所熟知甚至默认为当下标准概念下的如"软件工程"、"软件定义"、"技术架构"、"编程框架"、"语言风格"...在与当下llm衍生出且逐渐健壮的Agent,Workflow,RAG,Copilot这些融合后给未来数字化世界中软件形式本身带来的深远变化。

近期正好也赶上Anthropic和Google先后发布了针对未来Agent的白皮书,大家感兴趣可以私信分享给大家并期待与大家继续探索这一领域。

相关推荐
闪电麦坤9515 分钟前
数据结构:二维数组(2D Arrays)
数据结构·算法
凌肖战28 分钟前
力扣网C语言编程题:快慢指针来解决 “寻找重复数”
c语言·算法·leetcode
麻雀无能为力34 分钟前
CAU数据挖掘 支持向量机
人工智能·支持向量机·数据挖掘·中国农业大学计算机
智能汽车人1 小时前
Robot---能打羽毛球的机器人
人工智能·机器人·强化学习
埃菲尔铁塔_CV算法1 小时前
基于 TOF 图像高频信息恢复 RGB 图像的原理、应用与实现
人工智能·深度学习·数码相机·算法·目标检测·计算机视觉
ζั͡山 ั͡有扶苏 ั͡✾1 小时前
AI辅助编程工具对比分析:Cursor、Copilot及其他主流选择
人工智能·copilot·cursor
东临碣石821 小时前
【AI论文】数学推理能否提升大型语言模型(LLM)的通用能力?——探究大型语言模型推理能力的可迁移性
人工智能·语言模型·自然语言处理
redreamSo1 小时前
AI Daily | AI日报:Nature:超14%生物医学论文或由AI代写; Grok 4测试成绩优异,数据真实性引争议; 李飞飞:攻克空间智能,为AGI补拼图
程序员·aigc·资讯
未来智慧谷1 小时前
微软医疗AI诊断系统发布 多智能体协作实现疑难病例分析
人工智能·microsoft·医疗ai
PetterHillWater1 小时前
阿里云CodeUp集成大模型自动代码审查
aigc