20250324-浙江大学-DeepSeek系列专题线上公开课（第二季）_从大模型_智能体到复杂AI应用系统的构建——以产业大脑为例_61页_12mb

浙江大学DeepSeek系列专题线上公开课（第二季）总结

核心内容

本次公开课围绕大模型、智能体和复杂AI应用系统的构建展开，重点以产业大脑为例，探讨了大模型推理能力的提升、智能体的定义与应用，以及如何通过大小模型协作构建更高效的智能体系统。

主要观点

大模型推理能力的提升

• 早期大模型的局限性：早期的大模型在推理能力上存在明显短板，例如易产生事实性幻觉，数学推理能力弱，多步推理不一致。
• 突破性进展：2023-2024年，大模型在推理能力上取得显著突破，如OpenAI的o1/o3和开源模型DeepSeek-R1在数学和代码推理任务上表现出色，准确率高达87.2%。
• 自动化思维链（CoT）：新一代大模型通过生成思维链，实现更准确和深入的推理。这包括在测试时扩展、强化学习和蒸馏等技术。

智能体（AI Agent）的定义与功能

• 智能体的定义：智能体是能够自主执行任务、访问外部工具并进行推理的系统。它结合了大语言模型（LLM）的能力，同时具备记忆和工具调用功能。
• 智能体的功能：智能体可以进行任务拆解、规划、执行和生成响应。例如，可以撰写调研报告、自动回复邮件等。
• 智能体的架构：智能体由多个层次组成，包括模型、提示模板（Prompt Templates）、链（Chains）、智能体（Agent）和多智能体（Multi-Agent）。这些层次共同支持复杂任务的执行。

复杂AI应用系统的构建

• 以产业大脑为例：产业大脑是一个典型的复杂AI应用系统，结合了大模型和智能体技术，实现对多个任务的高效处理。
• 大小模型协作：大模型负责任务规划和决策，小模型负责任务执行。这种协作模式提高了系统的效率和准确性。
• 具体应用案例：如HuggingGPT，通过大模型规划任务，小模型执行具体任务（如图像生成、对象检测、图像分类等），最终生成完整的响应。

关键信息

大模型推理能力的提升

• 早期大模型在简单数值比较和多步推理上表现不佳。
• OpenAI的o1/o3和DeepSeek-R1在数学和代码推理任务上表现卓越。
• 推理模型通过测试时扩展、强化学习和蒸馏等技术不断提升推理能力。

智能体的定义与功能

• 智能体结合了LLM的能力，同时具备记忆和工具调用功能。
• 智能体可以执行复杂任务，如撰写调研报告、自动回复邮件等。
• 智能体的架构包括模型、提示模板、链、智能体和多智能体。

复杂AI应用系统的构建

• 产业大脑是复杂AI应用系统的代表，结合了大模型和智能体技术。
• 大小模型协作模式提高了系统的效率和准确性。
• HuggingGPT是大小模型协作的生成式智能体，通过大模型规划任务，小模型执行具体任务。

小结

1. 大模型推理能力：早期大模型存在推理能力不足的问题，但通过技术进步，如CoT和测试时扩展，推理能力显著提升。
2. 智能体：智能体是能够自主执行任务、访问外部工具的系统，结合了LLM的能力，同时具备记忆和工具调用功能。
3. 复杂AI应用系统：通过大模型和智能体的结合，构建了如产业大脑和HuggingGPT等复杂应用系统，实现了高效的任务执行和响应生成。