|
|
@@ -524,20 +524,20 @@ ELIZA的实践清晰地揭示了符号主义方法的核心矛盾：系统看似
|
|
|
- 将"心智社会"理论与现在的一些多智能体系统（如[CAMEL-Workforce](https://docs.camel-ai.org/key_modules/workforce)、[MetaGPT](https://github.com/FoundationAgents/MetaGPT)、[CrewAI](https://github.com/crewAIInc/crewAI)）进行对比，它们之间存在哪些关联和不同之处？
|
|
|
- 马文·明斯基认为智能体可以是"无心"的简单过程，然而现在的大语言模型和智能体往往都拥有强大的推理能力。这是否意味着"心智社会"理论在大语言模型时代不再适用了？
|
|
|
|
|
|
-6. 强化学习与监督学习是两种不同的学习范式。请分析：
|
|
|
+5. 强化学习与监督学习是两种不同的学习范式。请分析：
|
|
|
|
|
|
- 用AlphaGo的例子说明强化学习的"试错学习"机制是如何工作的
|
|
|
- 为什么强化学习特别适合序贯决策问题？它与监督学习在数据需求上有什么本质区别？
|
|
|
- 现在我们需要训练一个会玩超级马里奥游戏的智能体。如果分别使用监督学习和强化学习，各需要什么数据？哪种方法对于这个任务来说更合适？
|
|
|
- 在大语言模型的训练过程中，强化学习起到了什么关键性的作用？
|
|
|
|
|
|
-7. 预训练-微调范式是现代人工智能领域的重要突破。请深入思考：
|
|
|
+6. 预训练-微调范式是现代人工智能领域的重要突破。请深入思考：
|
|
|
|
|
|
- 为什么说预训练解决了符号主义时代的"知识获取瓶颈"问题？它们在知识表示方式上有什么本质区别？
|
|
|
- 预训练模型的知识绝大部分来自互联网数据，这可能带来哪些问题？如何缓解以上问题？
|
|
|
- 你认为"预训练-微调"范式是否可能会被某种新范式取代？或者它会长期存在？
|
|
|
|
|
|
-8. 假设你要设计一个"智能代码审查助手"，它能够自动审查代码提交（Pull Request），概括代码的实现逻辑、检查代码质量、发现潜在BUG、提出改进建议。
|
|
|
+7. 假设你要设计一个"智能代码审查助手"，它能够自动审查代码提交（Pull Request），概括代码的实现逻辑、检查代码质量、发现潜在BUG、提出改进建议。
|
|
|
|
|
|
- 如果在符号主义时代（1980年代）设计这个系统，你会如何实现？会遇到什么困难？
|
|
|
- 如果在没有大语言模型的深度学习时代（2015年左右），你会如何实现？
|
Tsumugii24