Agent,FC可能不需要了
LLM, RAG, KB-AG, SFT, FC, Agent, MCP, A2A, Flow
什么 FC,Agent,A2A,Flow,未来可能通通不需要了。
RAG 还是要有,不过也就是一个 MCP server 第三方服务罢了。
Agent都不要了,A2A 协议也就不需要了,取而代之的是 Model2Model(M2M),如果有必要的话,就像 Peer-to-Peer 一样共享网络计算资源和数据。
KB-AG 说的是 KBLaM,我重命名了。
不一定是改下forward那么简单,还需要针对 agent 这种能力做专门的训练,就是提高一下问题拆解、规划编排的能力。有的公司会监控员工的电脑,使用了什么软件,浏览了什么信息,根据这种监控行为数据,可以用来训练解决复杂问题的规划能力。如果不让员工说话,或者给每个人都戴一个语音转文字记录器以及视觉监控器,就能获取他能获取到的所有工作信息了,这样一来不管什么岗位,都能训练一个和人非常相似的ai出来。
总之没有原理上的瓶颈了,基于 token 预测这套看起来不怎么智能的范式也能搞个像样的 agi 了。
把具有 agent 能力的 llm 集成到 OS 里,不就是 agi 了吗?期待这个傻瓜的诞生。
什么 FC,Agent,A2A,Flow,未来可能通通不需要了。
RAG 还是要有,不过也就是一个 MCP server 第三方服务罢了。
Agent都不要了,A2A 协议也就不需要了,取而代之的是 Model2Model(M2M),如果有必要的话,就像 Peer-to-Peer 一样共享网络计算资源和数据。
KB-AG 说的是 KBLaM,我重命名了。
不一定是改下forward那么简单,还需要针对 agent 这种能力做专门的训练,就是提高一下问题拆解、规划编排的能力。有的公司会监控员工的电脑,使用了什么软件,浏览了什么信息,根据这种监控行为数据,可以用来训练解决复杂问题的规划能力。如果不让员工说话,或者给每个人都戴一个语音转文字记录器以及视觉监控器,就能获取他能获取到的所有工作信息了,这样一来不管什么岗位,都能训练一个和人非常相似的ai出来。
总之没有原理上的瓶颈了,基于 token 预测这套看起来不怎么智能的范式也能搞个像样的 agi 了。
把具有 agent 能力的 llm 集成到 OS 里,不就是 agi 了吗?期待这个傻瓜的诞生。
全部评论
相关推荐
点赞 评论 收藏
分享
点赞 评论 收藏
分享
05-26 10:24
门头沟学院 Java 点赞 评论 收藏
分享