的Talker-Reasoner AI代理人框架龙8游戏进入DeepMind公布集成2种思维模式

　　DeepMind设计的双系统代理人框架中…□★■○，系统1 Talker LLM能执行快速•=••□◇、直觉及合成语言回应◁••◆，负责感知观察外界--□●▪☆、获得用户回应-◇■□，并且以自然对线 Reasoner LLM负责解决复杂的问题△◆▷▷•，这涉及从外界取得资讯增强其知识□•◇=-，像是调用工具☆△…=、从外部数据库获取资讯◆•。相较Talker LLM的快速回应▽■■，Reasoner的运行更为缓慢▲•△、深刻及具逻辑性▼▪△•◇，包含多阶段推理和规划▼▲□☆★、调用○•□、执行行为等动作○•▷。Talker和Reasoner之间经由共同内存互动•■。Reasoner获得知识后…■◆…，除了执行行为▷■▽-●▪，也更新其（内存中的）知识信仰•=★▽▷的Talker-Reasoner AI代理人框架，并提供Talker产生新的说话内容▲◆▲。在接获用户互动输入问题时龙8游戏官方进入◇-，Talker可以以现有知识为基础◆•☆▷、提供直觉回应•▼●，也可以等待Reasoner代理人产出知识龙8游戏官方进入◇▼◁▼，延迟回应用户-▷◁•▲★。

　　现有大型语言模型能以自然语言和用户互动□▷▪-▽，具有二种能力☆△●▽，包括对话和规划／思考☆▲=•…-。DeepMind团队设计的一种由双系统组成的Talker-Reasoner代理人框架◇■，能同时执行对话及多步骤推理任务□◇●□，一如由以色列诺贝尔经济学家Daniel Kahneman提倡的◇△■“快思慢想□▼▲”（之后也被翻译成多国语言版本▼★…▼，包括繁中版）的人类一样▽▷☆。

　　DeepMind团队利用Gemini 1•▷■-▪•.5 Flash设计出错含双系统AI代理人▷◆▼=，在测试中△•▪…◆，让该系统扮演用户睡眠指导顾问=-▪●，在听取用户说明后•●，提供改善睡眠的建议☆•◆。研究团队发现◆☆，系统在…△▪“理解○▼…”用户问题阶段◁◁，其代理人（Talker）直觉化▷▽☆-、流畅回应用户☆★△▲○…，但当Reasoner未能理解其指导是哪个阶段时•◁，会提供较直觉化而无用的建议■○●••▪。例如使用降噪窗帘及隔音板▼◁▲。为解决此问题○★▲，研究团队加入◁•“指导◁=▽”阶段说明▷■-龙8游戏进入DeepMind公布集成2种思维模式，Talker一旦读取到指导阶段时◆☆，就会等待Reasoner提供的资讯-◆，而非直觉回应用户-▪。这时系统2就取得主导△☆◆◇•，而非只给系统1产出的回应=◇☆▪★○，例如为房间换颜色柔和的壁纸◆▷★■。

　　研究人员指出▼■△=，本研究是首个使用双系统的代理人●•○•★=，欲改善其效用▽■，未来可以让Talker-Reasoner框架中的Talker自动判断是否加入System 2的资讯作为回应=▲=-▷○，或是System 2加入更多Reasoner□◁，以多样化其输入的记忆资讯●•◇◇○▷。

　　可让AI代理人（agent）能兼具快△▪▷☆•☆、慢思考的效益▲-。Google DeepMind上周公布具备2种思维模式的系统框架★▲▷▲◇，