learning loop
AI智能体从实际使用经验中提炼出诀窍并保存下来,下次再取出来用,从而不断变得更好用的循环结构。
简单来说
学习循环是指AI智能体在完成任务过程中,把积累的经验自己整理起来,让下次能做得更好的一种循环结构。
这有点像新员工在工作中把摸索出的窍门记下来,遇到类似的事情时再翻出笔记参考,渐渐做得越来越熟练。对话或任务结束后,智能体会从这段经验里提炼出可用的方法并保存下来,等下次遇到类似情况,再把它调出来应用。这个过程不断重复,智能体就会越用越贴合每个用户的个人习惯。
一般的聊天机器人只要关掉对话窗口,里面的经验就随之消失了。但具备学习循环的智能体会持续运转这样一套流程:从对话中提炼诀窍、保存下来、需要时再取出使用。不过这并不是说它内部的大脑本身变聪明了,更准确地说,是在其之上积累了个性化的习惯。
在报道中是这样出现的
有一篇文章将某个智能体称为"唯一具备内置学习循环的智能体"。文中说,对话越多,它就越能从经验中生成技能,并在实际使用中不断打磨这些技能。
容易被误解的一点:学习循环并不是在重新训练背后的大模型本身。模型本身保持不变,这个说法指的是在模型之上反复进行对话、生成诀窍、保存、再利用的另一套独立循环结构。
亲手试一试
可以试着对一个带有记忆功能的智能体说:"按我之前教你的方式处理这项任务。"如果学习循环确实在起作用,你应该能看到它找出并应用了之前对话中保存下来的方式或偏好。另外,也可以在多个会话中反复提出同样的请求,比较一下回答是否越来越贴合你的具体情境。