《人工智能:计算Agent基础》——2.7 参考文献及进一步阅读

简介:

本节书摘来自华章计算机《人工智能:计算Agent基础》一书中的第2章,第2.7节,作者:(加)David L.Poole,Alan K.Mackworth 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.7 参考文献及进一步阅读

Agent系统的模型是基于Zhang、Mackworth[1995]的关于约束网络的工作和Rosenschein、Kaelbling[1995]的工作,分层控制则是基于Albus[1981]的工作和Brooks[1986]等人的关于包含结构的工作。Abelson、DiSessa[1981]的Turtle Geometry从建模简单反应式Agent角度介绍了相关数学理论。Luenberger[1979]则是一篇值得一读的关于Agent与环境交互的经典理论的简介。Simon[1996]则介绍了分层控制的重要性。
更多的Agent控制细节可以参看Dean和Wellman[1991]、Latombe[1991]和Agre[1995]。
构建智能Agent的方法论在 Haugeland[1985]、Brooks[1991]、Kirsh[1991b]和Mackworth[1993]中多有介绍。
定量推理在Forbus[1996]和Kuipers[2001]中有讲述。Weld和de Kleer[1990]中有很多关于定性推理的精华,同样,Weld[1992]也是关于此问题的。至于近期的综述可查看Price、Trav-Massuys、Milne、Ironi、Forbus、Bredeweg、Lee、Struss、Snooke、Lucas、Cavazza和Coghill[2006]。

相关文章
|
3月前
|
存储 人工智能 测试技术
手把手带你入门AI智能体:从核心概念到第一个能跑的Agent
AI智能体是一种能感知环境、自主决策并执行任务的人工智能系统。它不仅能生成回应,还可通过工具使用、计划制定和记忆管理完成复杂工作,如自动化测试、脚本编写、缺陷分析等。核心包括大语言模型(LLM)、任务规划、工具调用和记忆系统。通过实践可逐步构建高效智能体,提升软件测试效率与质量。
|
2月前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
4152 62
|
2月前
|
人工智能 搜索推荐 数据可视化
当AI学会“使用工具”:智能体(Agent)如何重塑人机交互
当AI学会“使用工具”:智能体(Agent)如何重塑人机交互
390 115
|
2月前
|
人工智能 自然语言处理 安全
从工具到伙伴:AI代理(Agent)是下一场革命
从工具到伙伴:AI代理(Agent)是下一场革命
319 117
|
2月前
|
人工智能 定位技术 API
智能体(Agent):AI不再只是聊天,而是能替你干活
智能体(Agent):AI不再只是聊天,而是能替你干活
1004 99
|
2月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
570 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
|
人工智能 Cloud Native 搜索推荐
【2025云栖大会】阿里云AI搜索年度发布:开启Agent时代,重构搜索新范式
2025云栖大会阿里云AI搜索专场上,发布了年度AI搜索技术与产品升级成果,推出Agentic Search架构创新与云原生引擎技术突破,实现从“信息匹配”到“智能问题解决”的跨越,支持多模态检索、百亿向量处理,助力企业降本增效,推动搜索迈向主动服务新时代。
434 0
|
4月前
|
人工智能 自然语言处理 物联网
MCP+LLM+Agent:企业AI落地的新基建设计
MCP+LLM+Agent构建企业AI黄金三角架构,破解数据孤岛、工具碎片化与决策滞后难题。LLM负责智能决策,Agent实现自动执行,MCP打通数据与工具,助力企业实现从智能思考到业务闭环的跃迁。
|
3月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
416 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读