Large Language Models for Agents

课程简介

本课程旨在为学生提供大型语言模型（LLMs）在智能代理部署方面的高级理解。课程内容包括推理、规划、多智能体协作以及任务执行工具的使用，同时涵盖基于代理系统的技术基础设施。学生将批判性地探讨机器人技术、代码生成、网络自动化和科学发现的应用，同时应对LLM代理固有的伦理、隐私和安全挑战。通过严谨的分析、实践项目和研究驱动的探究，学生将获得评估、设计和创新LLM代理领域的专业知识，为学术界或工业界前沿角色做好准备。

学习目标

本课程旨在为学生提供大型语言模型（LLMs）在智能代理部署方面的高级理解。课程内容包括推理、规划、多智能体协作以及任务执行工具的使用，同时涵盖基于代理系统的技术基础设施。学生将批判性地探讨机器人技术、代码生成、网络自动化和科学发现的应用，同时应对LLM代理固有的伦理、隐私和安全挑战。通过严谨的分析、实践项目和研究驱动的探究，学生将获得评估、设计和创新LLM代理领域的专业知识，为学术界或工业界前沿角色做好准备。

先修要求

无（但具备机器学习、人工智能、自然语言处理和数据分析的知识更为理想）。

教学模式

1. 讲座和研讨会：通过讲座介绍核心理论概念、基础原理和高级主题，如推理、规划和LLM代理基础设施；研讨会侧重于检索增强生成、多模态代理和伦理考量的深入讨论；包括引导讨论、小组练习、案例研究回顾和关于隐私、安全和对齐的辩论。2. 实验室和辅导课：通过实验室和辅导课提供动手经验；指导小型项目和实验，包括构建简单的LLM代理、探索RAG、集成API/工具、部署多模态代理、基准测试性能和应对幻觉；辅导课提供技术实现的逐步指导和故障排除。总计课时：39小时。