在这次演讲中，我会重点关注视觉AI（Visual AI）的兴起，以及Agentic工作流如何处理图像和视频数据。目前一些基准测试显示Agentic工作流能够带来显著更好的结果。在应用中构建具有Agentic推理或Agentic工作流的方法时，有四个主要的设计模式值得关注，包括规划（Planning）、多智能体协作（Multi-agent Collaboration）等。为了...
吴恩达坦言，Agents工作流的出现，语言模型的能力有望在今年得到显著提升。随之而来的是，Token生成速度变得至关重要，甚至比大模型能力提升更重要，甚至还要让模型花更多时间推理和迭代。（大模型要生成大量token来自己阅读和推理，速度越快越好）吴恩达在演讲中对GPT-5、Claude-5、Gemini2充满期待。他认为，在Agentic方...
相比之下，智能体工作流 (agentic workflow) 的工作流程要迭代得多。你可能会让一个语言模型先写一个文章大纲，然后问它是否需要进行网络搜索。如果需要，它会去网上搜索，获取一些信息，然后写出初稿。然后再读自己的初稿，看是否可以改进，之后再进行修改。所以，智能体的工作流程看起来更像这样：模型可能会先思考一...
吴恩达在演讲中提出Agentic AI正成为AI领域的新焦点,这种技术不仅推动了智能体设计理念的革新,还为复杂任务的高效解决提供了全新路径。1、生成式AI极大加速了AI应用的开发流程,从过去需要数月的周期缩短到仅需数天。这种变化推动了快速原型设计和实验的新模式,帮助开发者在短时间内尝试多种方案并专注于有效的解决方案...
演讲中，他介绍了人工智能堆栈模型（AI Stacks），尤其是新增的编排层（Agentic Orchestration Layer），作为技术与应用的关键桥梁，可协调基础模型功能，支持复杂场景应用。他强调，AI的技术发展离不开应用层的商业创新，这是一个相互支持的生态系统。吴博士深入阐释了代理性工作流程（Agentic Workflow），让AI具备反思与...
在技术趋势中,我最兴奋的一个是 智能体 AI(Agentic AI)。这种工作流程不仅可以生成文本,还可以结合研究、规划、修改等步骤,进行迭代式开发。 例如,用传统的大型语言模型生成一篇文章可能一次性完成,但智能体 AI 可以先生成提纲,进行研究,编写草稿,随后再修订和优化。
演讲中,他介绍了人工智能堆栈模型(AI Stacks),尤其是新增的编排层(Agentic Orchestration Layer),作为技术与应用的关键桥梁,可协调基础模型功能,支持复杂场景应用。他强调,AI的技术发展离不开应用层的商业创新,这是一个相互支持的生态系统。 吴博士深入阐释了代理性工作流程(Agentic Workflow),让AI具备反思与优化能力,...
在详解和实测吴恩达4种Agentic 工作流之中,我测试了各种框架诸如反思、工具调用、规划、多智能体,在学习了其中各种Prompt设计后,有了一些新的认识。 对于特定的任务来说,没有万能的Prompt,只有一些通用的模式,要完成这个任务还需要这个任务特定的Example。另外,你一定要PUA它,强烈的鼓励它,使用类似MUST、奖励等字眼来...
这确实已经开始流行起来了。我其实也经常玩一些Agentic平台,比如Quora、AutoGen,有时还有LandGraph和其他平台。很多人基于这些框架构建了很多应用。目前,我发现很多智能体都是为特定目的构建的,但看看是否会有一个非常通用的智能体是很有趣的。我认为这很令人兴奋。
首先,Agentic工作流需要读取大量文本或图像并生成大量文本,即大量的tokens。目前正在进行一些激动人心的努力以加速tokens生成,比如半导体领域的新研发工作使Agentic工作流更加高效。 第二个趋势是我非常关注的,当前的大语言模型最初是针对人类生成的指令进行优化的,比如“为什么莎士比亚写《麦克白》?”这些问题通常是大语言模...