本文我们研究的是 bge-reranker-v2-m3模型。

中文instruct在chatGLM, LLAMA上的表现。

可以分为短期记忆与长期记忆，同时Agentic RAG也可以认为是记忆模块的一种，claude的skills，Manus的文件也都是为了增强智能体的记忆能力。然后我们的agent会负责执行这个工具，并把工具结果作为context继续输入给大模型，如果需要多次调用工具则进行反复调用，最终大模型输出正式的结论。最近流行的大模型智能体，以大模型为大脑，通过调用工具来完成复杂的任务。强化学习中的智能体 通

Agent又被称为Actor，Actor对于特定的任务，有自己的一个策略π，策略π用一个神经网络表示，其参数为θ。从一个特定的状态state出发，一直到任务的结束，被称为一个完整的eposide，在每一步，我们都能获得一个奖励r，一个完整的任务所获得的最终奖励被称为R。模型的学习过程就是调整Actor的策略π，使得期望奖励最大化，于是有了策略梯度的方法。既然奖励的期望函数如上，只要使用梯度提升的方

使用chatGLM6b + langchain实现本地化知识库检索与智能答案生成。

模型：sequence classification, or sequence regression。趋势：先确定是指数加速、线性还是减速。如果是线性在根据斜率确定速度。带一些AutoML性质的。

NLP

leetcode

Agent又被称为Actor，Actor对于特定的任务，有自己的一个策略π，策略π用一个神经网络表示，其参数为θ。从一个特定的状态state出发，一直到任务的结束，被称为一个完整的eposide，在每一步，我们都能获得一个奖励r，一个完整的任务所获得的最终奖励被称为R。模型的学习过程就是调整Actor的策略π，使得期望奖励最大化，于是有了策略梯度的方法。既然奖励的期望函数如上，只要使用梯度提升的方

git