План на курса

Разбиране на архитектурата на Antigravity

  • Вътрешни представления и модели за състояние
  • Слои за координация на поведението
  • Пути за генериране на действия

Системи за памет на дългосрочни агенти

  • Поведения на краткосрочна и дългосрочна памет
  • Модели за съхранение на постоянни знания
  • Предотвратяване на корупция и дрейф на паметта

Обратни връзки и формиране на поведение

  • Стратегии за обратна връзка с човека в системата
  • Механизми за подкрепа и коригиране на наградите
  • Техники за самопроверка и самокорекция

Учение през времето

  • Отслежаване на напредъка в ученето на агента
  • Дetecting и смякане на изчезване на уменията
  • Адаптивно актуализиране според оперативния контекст

Създаване и запазване на база знания

  • Построяване на структурирани графи за дългосрочни знания
  • Семантическа извличане и индексация на паметта
  • Поддържане на релевантност и актуалност на знанията

Взаимодействия между агенти и многокомпонентни екосистеми

  • Съдружнически и конкурентни поведения
  • Колективна памет и общи състояния
  • Масштабиране на възникващи модели по системите

Интеграция на обратна връзка от разработчиците

  • Ревю и анотиране на агентски артефакти
  • Автоматизирани оценки на пайплайн
  • Включване на човешко съдействие в циклите за учене

Продвината оптимизация и бъдещи направления

  • Подреждане на производителността за дългосрочни задачи
  • Прогнозирано моделиране на еволюцията на агента
  • Архитектурни тенденции и изследователски фронтални зони

Резюме и следващи стъпки

Изисквания

  • Разбиране на архитектурите на автономни агенти
  • Опит с големи AI системи
  • Знание за концепции от усъвършенстваното учение

Целева аудитория

  • Висши AI инженери
  • Архитекти на платформи за агенти
  • Екипи за изследвания и развитие (R&D)
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории