2
1
0
三个小时的播客听完了，太好了！
2023年读到ReAct，被这篇paper正面影响了学术轨迹和工作内容，并开始关注 Shunyu 的工作， ReAct, SWE agent, r-bench 每篇都是过一段时间就拿出来读一下，Shunyu是我最喜欢的 Agent 研究员。
时政
(
twitter.com
)
由
马东锡 NLP
提交
三个小时的播客听完了，太好了！
2023年读到ReAct，被这篇paper正面影响了学术轨迹和工作内容，并开始关注 Shunyu 的工作， ReAct, SWE agent, r-bench 每篇都是过一段时间就拿出来读一下，Shunyu是我最喜欢的 Agent 研究员。
2023年，用中文介绍了ReAct，也开启了我在推上做技术分享的开端，居然发现当时有跟 Shunyu 互动。
这个播客，随手记了很多笔记，很有收获：
1. 简单和通用的方法，更贴合 AI 的泛化能力特征。
2. 验证方法的好坏，在于找到合适的任务和好的环境。
3. 在research中，传统上在已知任务中创造新方法，而先想到方法然后找合适任务验证是比较挑战的。
4. 新的交互方式以及新的环境，可能会带来 super app。
5. Agent 的创业者应该问自己，创造的价值是什么。
6. Agent/ LLM 解决问题的内在激励，是一个疑问，但也是机会。
点击图片查看原图
Markdown支持
评论加载中...
您可能感兴趣的：
更多
1
2
1
1
5
5
4
4
6
2
1
1
7
2
1
1
8
2
1
1
