Die Steuerung von Werkzeugaufrufmustern von Agenten im ML-Design

Erinnern Sie sich an den Moment, als Sie gespannt an einer KI gearbeitet haben, die einfach nicht in der Lage war, effektiv mit ihren Werkzeugen zu kommunizieren? Ich habe das auch durchgemacht, und es ist wirklich frustrierend. Als ich spät in der Nacht arbeitete, wurde mir klar, dass die Aufrufmuster von Werkzeugen das Geheimnis sind, um die Agenten reibungslos zum Laufen zu bringen. Na gut, ist es

Weißt du, was mich wirklich nervt? Menschen zuzusehen, die die Optimierung von Modellen so behandeln, als wäre es ein Truthahn zu Thanksgiving. Du sitzt da und siehst zu, wie sie alles zerreißen, und alles, was du denken kannst, ist: „So sollte es nicht sein.“ Ich habe gesehen, wie es immer wieder passiert. Wunderschön komplexe Modelle, die niedergeschlagen werden.

Ich hatte fast die Hoffnung auf diese Geschichte der Multimodalität aufgegeben, als ich anfing. Im Ernst, es war, als würde man versuchen, Katzen und Hunde gleichzeitig durch eine Tür zu bringen. Haben Sie schon einmal versucht, einer KI beizubringen, sowohl ein Bild eines bellenden Hundes als auch den Klang von

Wenn Sie schon einmal einen halben Tag damit verbracht haben, einen KI-Agenten zu debuggen, um herauszufinden, dass ein störrischer Punkt und Strich der Schuldige war, willkommen im Club. Letzte Woche war ich tief im Code versunken und versuchte verzweifelt, das Verhalten von Agenten zu verstehen, die schienen, als hätten sie ihren eigenen Willen. Diese Monster zu testen kann gigantisch sein,

Sie kennen dieses Gefühl, eine scheinbare Ewigkeit mit dem Versuch verbracht zu haben, ein Modell für maschinelles Lernen zu reparieren, nur um schließlich herauszufinden, dass alles nur an einem fehlenden Semikolon lag? Ja, ich habe das auch erlebt. Aber ehrlich gesagt, was mich wirklich an all dem motiviert, ist die Art und Weise, wie domänenspezifische Agenten ganze Sektoren wie die Gesundheitsbranche wirklich verändern können,

Falls Sie jemals dabei waren, einen Chatbot zu debuggen, der sich weigert, sich an das zu erinnern, was Sie gerade gesagt haben, keine Sorge – Sie sind nicht allein. Ich war vor nicht allzu langer Zeit in der gleichen Situation, schlug mir frustriert den Kopf an die Wand, und das brachte mich zu der Erkenntnis: Es muss einen besseren Weg geben, damit diese Agenten sich an Dinge erinnern können als

Also, lassen Sie mich Ihnen sagen, dass es einen Moment gab, in dem ich fast aufgegeben hätte, intelligente Agenten zu erstellen. Ehrlich gesagt, nach einem weiteren Absturz, bei dem es schien, als würde mein Code lebendig werden, war ich bereit, alles zu beenden. Wenn Sie schon einmal diesen Gedanken hatten: “Plant mein Code gerade sein

Im letzten Monat habe ich etwa 400 $ ausgegeben, um den Unterschied zwischen lokalen Modellen und cloud-basierten Modellen für KI-Agenten zu testen. Es war eine echte Offenbarung. Es ist das alte Dilemma: Lokale Modelle sind wie diese alten Turnschuhe, von denen man sich nicht trennen kann – ultra zuverlässig, aber nicht wirklich ideal für einen Sprint. Auf der anderen Seite, die Cloud

Haben Sie schon einmal drei ganze Stunden damit verbracht, einen Chatbot zu reparieren, nur um schließlich zu erkennen, dass Sie das falsche Datenset verwendet haben? Ich meine, was für eine Zeitverschwendung. Was die Leute oft nicht sagen, ist, dass Prompt Engineering nicht nur ein Trick für Chatbots ist. Denken Sie daran wie an das Schweizer Taschenmesser für allerlei Dinge.