标签:Agent
- 笔记 Agent 能力沉淀:上下文、代码与权重
说明 Agent 的能力只能存放在权重、上下文和外部代码三处,比较三者的写入成本、使用成本、确定性与泛化,并讨论上下文的约束、skill 的结构,以及能力从上下文下沉为代码、沉淀进权重的过程。
- 笔记 多 Agent 系统:身份、权限隔离、信息共享与运行期防御
说明多 Agent 系统的两条约束:执行权限按最小化原则隔离,信息按任务需要结构化流通;以及身份、权限、隔离、信息共享的做法,和熔断、回滚、分级审批等运行期检测与恢复机制。
- 笔记 RSI 视角下训练与推理的关系
把递归自我改进的每一轮拆成推理侧的发现算子和训练侧的固化算子,推导两者的成本、上限与耦合方式,讨论改进在存储层级中的下沉、训练与推理边界的移动,以及决定循环加速还是收敛的约束。
- 笔记 递归自我改进:概念、结构、发展层级与爆发条件
说明递归自我改进与元学习、AutoML、自我对弈等相近概念的区别,闭环结构与其中关键的独立评估器,发展层级、各级所需的模型能力与当前所处层级,以及与人类的对比和可能爆发的原因。
- 笔记 Agent 与 Harness:框架、原理及其在驾驶行为挖掘中的应用
说明 Agentic 与 Harness 的分工、闭环设计原则与适用条件,并以驾驶行为挖掘为例给出三层结构设计,整理自动驾驶中适合 Agent 的环节与开源项目。
- 笔记 Agentic 与 Harness:核心概念和学习资源
说明 Agentic 的核心是自主决策的循环,Harness 是模型之外的全部组成部分,以及二者的分工、典型实例与相关的课程、视频和博客。