Kerangka Materi

Memahami Arsitektur Agen Antigravity

  • Representasi internal dan model keadaan
  • Koordinasi perilaku bertingkat
  • Jalur pembangkit tindakan

Sistem Memori untuk Agen Jangka Panjang

  • Perilaku memori jangka pendek versus jangka panjang
  • Pola penyimpanan pengetahuan yang berkelanjutan
  • Mencegah korupsi dan drift memori

Umpan Balik dan Pembentukan Perilaku

  • Strategi umpan balik manusia-dalam-loop
  • Mekanisme penguatan dan penyesuaian hadiah
  • Teknik evaluasi diri dan koreksi diri

Pembelajaran Seiring Waktu

  • Pelacakan kemajuan pembelajaran agen
  • Mendeteksi dan mengurangi penurunan keterampilan
  • Pembaruan adaptif berdasarkan konteks operasional

Konstruksi dan Retensi Basis Pengetahuan

  • Membangun grafik pengetahuan jangka panjang yang terstruktur
  • Pemulihan semantik dan indeks memori
  • Menjaga relevansi dan kesegaran pengetahuan

Interaksi Agen dan Ekosistem Multi-Agen

  • Perilaku kooperatif dan kompetitif
  • Memori kolektif dan keadaan bersama
  • Penskalaan pola yang muncul di seluruh sistem

Integrasi Umpan Balik Pengembang

  • Meninjau dan menandai artefak agen
  • Pipa evaluasi otomatis
  • Mengintegrasikan penilaian manusia ke dalam loop pembelajaran

Optimisasi Lanjutan dan Arah Masa Depan

  • Penyetelan kinerja untuk tugas jangka panjang
  • Pemodelan prediktif evolusi agen
  • Tren arsitektur dan perbatasan penelitian

Ringkasan dan Langkah Berikutnya

Persyaratan

  • Pemahaman tentang arsitektur agen otonom
  • Pengalaman dengan sistem AI berskala besar
  • Kenalan dengan konsep pembelajaran penguatan

Audience

  • Insinyur AI senior
  • Arsitek platform agen
  • Tim R&D
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait