← 返回蜂巢洞察

演讲主题：为企业面临的复杂现实环境设计人工智能系统——为何“智能计算能力”是不可或缺的关键要素

栏目 技术实践
分类 大数据
标签 代理 智能 平台 扩展 消除

阿伦·约瑟夫分享了关于如何扩展像德国电信的LMOS这样的企业级智能平台的实际经验。他探讨了如何消除组织内部的分歧与障碍，用核心平台抽象机制取代繁杂的工具体系，以及如何通过临时生成的智能代理和代理定义语言，将传统的聊天机器人发展成具备实际操作能力的智能系统。 作者：阿伦·约瑟夫

阿伦·约瑟夫分享了关于如何扩展像德国电信的LMOS这样的企业级智能平台的实际经验。他探讨了如何消除组织内部的分歧与障碍，用核心平台抽象机制取代繁杂的工具体系，以及如何通过临时生成的智能代理和代理定义语言，将传统的聊天机器人发展成具备实际操作能力的智能系统。

作者：阿伦·约瑟夫

相关文章

技术实践

利用人工智能构建内部开发平台

智能代理正逐渐成为新的开发平台，它们会利用Git、Slack和Jira等工具提供的数据进行语义搜索，从而理解具体的使用场景。在部署这些智能代理时，需要设置相应的规则来决定哪些操作是被允许的，哪些是被禁止的；同时，还需要通过日志、指标和追踪数据来分析智能代理的行为表现。 作者：本·林德斯

阅读全文
技术实践

AWS推出了用于AI智能体开发的Strands Decider 2B及Strands Box工具。

AWS推出了两个用于开发人工智能代理的开源项目：Strands Decider 2B，这是一个专为在代理工作流程中协助做出决策而设计的小型模型；另一个项目是Strands Box，它是一个用于控制代理执行过程的沙盒环境。这两个项目分别从不同角度帮助人们构建那些能够使用工具、执行代码并与外部系统进行交互的智能代理。 作者：丹尼尔·多明格斯

阅读全文
技术实践

Google的EnvHarness技术使能够自我进化的智能体能够在动态变化的环境中学习。

谷歌的研究人员将EnvHarness这一框架开源了。该框架能够动态地调整代理训练环境，以弥补代理自身的缺陷，而无需对代理本身、训练环境或评估系统进行任何修改。据研究人员称，这种方法既能提升学习效果，也能提高学习效率，同时还能帮助代理克服自身的弱点。 作者：塞尔吉奥·德·西蒙内

阅读全文