工具调用 技术
工具调用（Tool/Function Calling）让 LLM 在生成中声明调用外部函数/API，由宿主执行并回传结果，是 Agent 连接现实世界的关键能力，OpenAI/Anthropic/Google 均提供原生支持。
百科
大模型 · 万物互联 · 人工智能的结构化知识库。人人可阅读、可贡献、可追溯。
学科分类
最新收录
多智能体系统 技术
多智能体系统由多个协作或竞争的智能体组成，通过分工、协商与编排完成单智能体难胜任的复杂任务，大模型时代出现 AutoGen、MetaGPT、CrewAI 等编排框架。
生成式智能体 技术
生成式智能体是用大语言模型驱动的拟人化模拟体：具备记忆、反思与规划，能模拟可信的人类行为，斯坦福「虚拟小镇」（2023）是开创性工作。
自主智能体 概念
自主智能体指能独立设定/拆解目标、自主规划、调用工具执行并自我纠错的 AI 系统，无需逐步人工干预，AutoGPT、BabyAGI 为代表，是 AGI 路线的重要形态。
智能体Agent 概念
智能体（Agent）是能感知环境、自主规划决策并采取行动达成目标的 AI 系统，大模型时代演变为「LLM + 规划 + 工具调用 + 记忆」的自主体，AutoGPT、Manus 为代表。
在策略学习 概念
在策略学习用「当前策略」本身产生的数据更新策略，实现简单、无分布偏移，SARSA、A2C、PPO 为代表，但样本浪费（旧数据不能复用）。
离策略学习 概念
离策略学习用「行为策略」产生的数据优化「目标策略」，可复用历史/他人数据，Q-learning、DQN、SAC 均为离策略，需重要性采样或贝尔曼最优算子处理分布差异。
动作价值函数 概念
动作价值函数 Q^π(s,a) 表示在状态 s 采取动作 a 后按策略 π 的期望回报，Q-learning 与 DQN 直接学习 Q，通过 Q 取最大动作即可得策略。
状态价值函数 概念
状态价值函数 V^π(s) 表示从状态 s 出发按策略 π 行动的期望折扣回报，是策略评估的核心对象，与动作价值 Q 通过 V(s)=E_π[Q(s,a)] 关联。
重要性采样 技术
重要性采样用「目标分布与采样分布的似然比」加权估计期望，使离策略（off-policy）数据可用于训练目标策略，是 PPO、离策略 RL 与 RLHF 重放的核心工具。
策略评估 技术
策略评估计算给定策略下的价值函数 V^π（期望回报），是策略迭代与强化学习的基础步骤，方法包括动态规划、蒙特卡洛、时序差分与神经网络逼近。
MuZero 产品
MuZero 是 DeepMind 2020 年提出的无模型规划算法：在不被告知环境规则的情况下，通过学习隐式环境模型（潜空间转移）结合 MCTS，在围棋、将棋、国际象棋与 Atari 上达到超人水平。
AlphaZero 产品
AlphaZero 是 DeepMind 2017 年推出的通用棋类 AI：不依赖人类棋谱，仅凭自对弈从零学习围棋、国际象棋与将棋，统一了 AlphaGo 的架构，证明「自我学习」的通用性。
AlphaGo 产品
AlphaGo 是 DeepMind 2016 年击败人类围棋冠军的 AI 系统，结合深度价值/策略网络与蒙特卡洛树搜索（MCTS），是深度强化学习的历史性里程碑。
多智能体强化学习 技术
多智能体强化学习（MARL）研究多个智能体同时学习与环境及其他智能体交互，涉及竞争/合作/混合博弈，代表作有 AlphaStar、OpenAI Five 与 MADDPG、MAPPO 等算法。
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
- SAC
- Segment Anything
- Sora
- SPARQL
- SQuAD
- SSD
- Stable Diffusion
- StyleGAN
- SuperGLUE
- SWE-bench
- 三维重建
- 上下文窗口
- 上下文学习
- 少样本学习
- 射频识别
- 深度Q网络
- 深度合成标识
- 深度强化学习
- 深度伪造
- 深度学习
- 深度学习
- 深度学习框架
- 神经符号AI
- 神经辐射场
- 神经网络
- 神经网络
- 生成对抗网络
- 生成式人工智能服务管理暂行办法
- 生成式智能体
- 时间敏感网络
- 时序差分学习
- 时序知识图谱
- 实例分割
- 实体链接
- 实体消歧
- 世界模型
- 事理图谱
- 视觉SLAM
- 视觉Transformer
- 视觉问答
- 视觉语言模型
- 视频理解
- 视频生成
- 数据版权
- 数据标注
- 数据标注伦理
- 数据管线
- 数据集
- 数据切分
- 数据清洗
- 数据投毒
- 数据增强
- 数据增强
- 数据中心GPU
- 数字鸿沟
- 数字孪生
- 数字人
- 数字人
- 数字员工
- 思维链
- 搜索算法
- 算法透明度
- 算法问责
- 算力
- 算力调度
- 算力集群
- 算力交易
- 算力租赁
- 随机森林
- 损失函数
T
U
V
W
X
Y
Z
- Zigbee
- 在策略学习
- 责任AI
- 窄带物联网
- 张量核心
- 折扣因子
- 正则化
- 政务AI
- 支持向量机
- 知情同意
- 知识表示
- 知识表示学习
- 知识抽取
- 知识库
- 知识图谱
- 知识图谱补全
- 知识图谱构建
- 知识图谱嵌入
- 知识图谱问答
- 知识图谱与LLM融合
- 知识推理
- 知识追踪
- 指令数据集
- 指令微调
- 智慧城市
- 智慧农业
- 智慧文旅
- 智慧物流
- 智能办公
- 智能城市
- 智能穿戴设备
- 智能绘画
- 智能计量
- 智能家居
- 智能客服
- 智能农业
- 智能视频分析
- 智能搜索
- 智能体Agent
- 智能体安全
- 智能体编排
- 智能体工具链
- 智能体工作流
- 智能体评估
- 智能投顾
- 智能推荐
- 智能网关
- 智能网卡
- 智能写作
- 智能营销
- 智能制造
- 智能质检
- 智能座舱
- 智算中心
- 重要性采样
- 主成分分析
- 注意力机制
- 注意力机制
- 状态价值函数
- 姿态估计
- 自编码器
- 自动化决策
- 自动驾驶
- 自动驾驶芯片
- 自监督学习
- 自然语言处理
- 自主决策
- 自主智能体