简介

本文整理了来自Daily Dose of Data Science最热门或最新的文章，其中极具特色的动图以生动形象的方式，帮助我们更好的理解AI中的一些核心技术，希望能够帮助大家更好的理解和使用AI。

大模型

Transformer vs. Mixture of Experts

混合专家 (MoE) 是一种流行的架构，它使用不同的“专家”来改进 Transformer 模型。
下图解释了它们与 Transformers 的区别。

• Transformer 使用前馈网络。
• MoE 使用专家，它们是前馈网络，但与 Transformer 中的网络相比规模较小。在推理过程中，会选择一部分专家。这使得 MoE 中的推理速度更快。

Fine-tuning LLMs

传统的微调（如下图所示）对于 LLM 来说是不可行的，因为这些模型具有数十亿个参数并且大小为数百 GB，并且并非每个人都可以使用这样的计算基础设施。

值得庆幸的是，今天我们有许多最佳方法来微调 LLM，下面描述了五种流行的技术：

• LoRA ：添加两个低秩矩阵 A ，以及 B包含可训练参数的权重矩阵。无需进行微调W，只需调整这些低秩矩阵中的更新即可。
• LoRA-FA ：虽然 LoRA 显著减少了可训练参数的总量，但它仍然需要大量的激活记忆来更新低秩权重。LoRA-FA（FA 代表 Frozen-A）会冻结矩阵，A并且仅更新矩阵B。
• VeRA ：在 LoRA 中，每一层都有一对不同的低秩矩阵A和B，并且这两个矩阵都经过训练。然而，在 VeRA 中，矩阵A和B是冻结的、随机的，并在所有模型层之间共享。VeRA 专注于学习较小的、特定于层的缩放向量，记为b和d，它们是此设置中唯一可训练的参数。
• Delta-LoRA ：除了训练低秩矩阵之外，W还会对矩阵进行调整，但不是以传统方式。相反，将两个连续训练步骤中低秩矩阵乘积与之间的差值（或增量）A添加B到W。
• LoRA+ ：在 LoRA 中，矩阵A和B都以相同的学习率更新。作者发现，为矩阵设置更高的学习率B可以获得更优的收敛效果。

RAG（检索增强生成）

传统RAG

传统RAG系统存在以下一些问题：

• 这些系统检索一次，生成一次。这意味着如果检索到的上下文不够，LLM就无法动态搜索更多信息。
• RAG 系统可以提供相关的上下文，但无法通过复杂的查询进行推理。如果查询需要多个检索步骤，传统的 RAG 就显得力不从心了。
• 适应性较差。LLM 无法根据实际问题调整策略。

Agentic RAG

Agentic RAG 的工作流程如下：

如上所示，我们的想法是在 RAG 的每个阶段引入代理行为。

我们可以把智能体想象成能够主动思考任务的人——规划、调整、迭代，直到找到最佳解决方案，而不仅仅是遵循既定的指令。LLM 的强大功能使这一切成为可能。

让我们逐步理解这一点：

• 步骤 1-2）用户输入查询，代理重写它（删除拼写错误，简化嵌入等）
• 步骤 3）另一个代理决定是否需要更多细节来回答查询。
• 步骤4）如果不是，则将重写的查询作为提示发送给LLM。
• 步骤 5-8) 如果答案是肯定的，另一个代理会查看其可以访问的相关资源（矢量数据库、工具和 API 以及互联网），并决定哪个资源有用。检索相关上下文并将其作为提示发送给 LLM。
• 步骤9）以上两条路径中的任意一条都会产生响应。
• 步骤 10）最后一个代理检查答案是否与查询和上下文相关。
• 步骤11）如果是，则返回响应。
• 步骤 12）如果不是，则返回步骤 1。此过程持续几次迭代，直到系统承认它无法回答查询。

这使得 RAG 更加稳健，因为在每一步中，代理行为都能确保个体结果与最终目标保持一致。

Corrective RAG

Corrective RAG（CRAG）是改进 RAG 系统的常用技术。它引入了对检索到的文档进行自我评估的步骤，有助于保留生成的响应的相关性。
以下是其工作原理的概述：

• 首先根据用户查询搜索文档。
• 使用 LLM 评估检索到的上下文是否相关。
• 仅保留相关上下文。
• 如果需要的话，进行网络搜索。
• 聚合上下文并生成响应。

RAG 的 5 种分块策略

智能体

5种智能体设计模式

Agentic behaviors允许 LLM 通过结合自我评估、规划和协作来改进他们的输出！
下图展示了构建 AI 代理时采用的 5 种最流行的设计模式。

反射模式

LLM会审查其工作以发现错误并不断迭代直到产生最终的响应。

工具使用模式

工具允许 LLM 通过以下方式收集更多信息：

• 查询矢量数据库
• 执行 Python 脚本
• 调用API等

这很有帮助，因为 LLM 不仅仅依赖于其内部知识。

ReAct（Reason and Action）模式

ReAct 结合了以上两种模式：

• 代理可以反映生成的输出。
• 它可以使用工具与世界互动。

这使得它成为当今使用最强大的模式之一。

规划模式

AI 不会一次性解决请求，而是通过以下方式创建路线图：

• 细分任务
• 概述目标

这种战略思维可以更有效地解决任务。

Multi-agent模式

在此设置中：

• 我们有几个agent。
• 每个agent都被分配了专门的角色和任务。
• 每个agent还可以访问工具。

所有agent共同努力以交付最终结果，同时在需要时将任务委派给其他agent。

智能体系统的5个等级

Agentic AI 系统不仅仅生成文本；它们还可以做出决策、调用函数，甚至运行自主工作流程。
该图解释了人工智能代理的 5 个级别——从简单的响应者到完全自主的代理。

1. 基本响应器仅生成文本
2. 路由器模式决定何时采取路径
3. 工具调用选择并运行工具
4. 多代理模式管理多个代理
5. 自主模式完全独立运作

MCP

Function calling & MCP

在 MCP 成为主流（或像现在这样流行）之前，大多数 AI 工作流程依赖于传统的函数调用。
现在，MCP（模型上下文协议）正在改变开发人员为代理构建工具访问和编排的方式。
以下是解释函数调用和 MCP 的视觉说明：

Function calling（函数调用）

函数调用是一种机制，它允许 LLM 根据用户的输入识别它需要什么工具以及何时调用它。
它通常的工作方式如下：

• LLM 收到来自用户的提示。
• LLM 决定其所需的工具。
• 程序员实现程序来接受来自 LLM 的工具调用请求并准备函数调用。
• 函数调用（带有参数）被传递给处理实际执行的后端服务。

MCP（模型上下文协议）

函数调用关注的是模型想要做什么，而 MCP 关注的是如何让工具变得可发现和可用——尤其是跨多个代理、模型或平台。
MCP 无需在每个应用程序或代理中都安装硬接线工具，而是：

• 标准化工具的定义、托管和向 LLM 公开的方式。
• 使 LLM 能够轻松发现可用的工具、了解其模式并使用它们。
• 在调用工具之前提供批准和审计工作流程。
• 将工具实施与消费的关注点分开。

MCP & A2A

Agent2Agent (A2A) 协议让 AI 代理可以连接到其他代理。

• MCP 为代理提供访问工具的权限。
• 而 A2A 允许代理与其他代理连接并以团队形式协作。

Next thing

在代理领域：

• MCP 标准化了代理到工具的通信。
• Agent2Agent 协议标准化了 Agent 到 Agent 的通信。

但还缺少一件东西……

AG-UI（代理-用户交互协议）标准化了后端代理和前端 UI 之间的交互层（下图绿色层）。