AgentAI

1.目的我们创建和测试Agent AI，用于解决复杂任务，主要使用Mistral 8*7B模型进行训练和测试。 目前Agent不能够自适应环境，需要让Agent能够根据环境自动进行改变。 2.原理我们分成训练阶段和推理阶段。下面是收集数据和训练阶段。 Agent首先根据要求生成探索型工具,可以探索数据库和纯文本文件或者excel表格文件，根据探索型工具生成一堆问题。 根据问题生成解决型工具，并回答

训练1个LLM做情感分析

一、目的预测食品领域数据的情感 二、要求一共是13个维度：包装，便捷程度，场景，服务，价格，口感，烹饪方法，皮，气味，外形，馅料，质量缺陷给出评论，库中对应的商品名称，已经和评论强制匹配，给出维度和匹配的关键词，判断给定词语的情感 三、方案方案1：基于用户给定的主体和关键词，只预测情感 Prompt 你是一个情感分析抽取模型，请根据评论提取其中的情感关系四元组。

shapley计算示例

目的我们设置1个模拟电量租户根据提供的电量，应该获取收益的计算。 1、电价和电量是满足一定的关系的，主要是市场提供的电量增多，电价下降。具体查看公式calculate_y。 2、租户（电厂）提供电量给电网，电网根据电量还有电价，按照shapley的计算方法，计算出每个租户应得到的利益。 3、函数calculate_shapley输入X是租户供给的电量，输出是每个租户应得利益。 1234567891

复杂问题的解决模型

1.定义复杂问题和简单问题： 也可以说出复杂任务和简单任务，即回答问题的方式，例如RAG问答，即于检索的问答是简单任务，因为所有问题都是先经过相似度检索候选段落，然后调用LLM回答。但是当用户希望按照一定SOP进行问答时，或者当用户希望不同问题调用不同工具或者不同思考思路的时候，这就是复杂任务。 2. 复杂问解决方法复杂问题一般采用LLM的Agent进行解决，微调的Agent具有很多能力，可以调用