Закриття циклу безперервного навчання: від слідів агентів до навчання агентів

Посилання на Zoom: https://us02web.zoom.us/j/82308186562 Доповідь #0: Вступи та оновлення зустрічі від Криса Фреглі та Антьє Барт Доповідь #1: Закриття циклу безперервного навчання: від слідів агентів до навчання агентів від Рустема Фейзханова, менеджера з інженерії @ Snorkel.ai Виробничі сліди показують, де агенти зазнають невдачі, але як ми можемо перетворити ці невдачі на навчання? Ця доповідь досліджує практичний цикл від слідів до відтворюваних симуляцій, перевіряних винагород і поліпшення моделі через тонке налаштування або підкріплювальне навчання. Ми також розглянемо, коли краще змінити підказки, інструменти або каркас агента замість оновлення ваг моделі. Посилання на Zoom: https://us02web.zoom.us/j/82308186562 Супутні посилання Репозиторій GitHub: http://github.com/cfregly/ai-performance-engineering/ Книга O'Reilly: https://www.amazon.com/Systems-Performance-Engineering-Optimizing-Algorithms/dp/B0F47689K8/ YouTube: https://www.youtube.com/@AIPerformanceEngineering Безкоштовний курс з генеративного ШІ на DeepLearning.ai: https://bit.ly/gllm