Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Comprendre l'architecture des agents d'Antigravity
- Représentations internes et modèles d'état
- Coordination des comportements en couches
- Cheminements de génération d'actions
Systèmes de mémoire pour agents à longue durée de vie
- Comportements de mémoire à court terme vs à long terme
- Modèles de stockage de connaissances persistantes
- Prévention de la corruption et de la dérive de la mémoire
Boucles de rétroaction et façonnement du comportement
- Stratégies de rétroaction avec humain dans la boucle
- Mécanismes de renforcement et ajustement des récompenses
- Techniques d'auto-évaluation et d'auto-correction
Apprentissage au fil du temps
- Suivi de la progression d'apprentissage des agents
- Détection et atténuation du déclin des compétences
- Mise à jour adaptative basée sur le contexte opérationnel
Construction et rétention de la base de connaissances
- Construction de graphes de connaissances à long terme structurés
- Récupération sémantique et indexation de la mémoire
- Maintenance de la pertinence et de la fraîcheur des connaissances
Interactions entre agents et écosystèmes multi-agents
- Comportements coopératifs et compétitifs
- Mémoire collective et état partagé
- Passage à l'échelle des motifs émergents dans les systèmes
Intégration de la rétroaction des développeurs
- Examen et annotation des artefacts des agents
- Pipelines d'évaluation automatisés
- Incorporation du jugement humain dans les boucles d'apprentissage
Optimisation avancée et orientations futures
- Réglage des performances pour les tâches de longue durée
- Modélisation prédictive de l'évolution des agents
- Tendances architecturales et frontières de la recherche
Conclusion et prochaines étapes
Pré requis
- Comprendre les architectures d'agents autonomes
- Expérience avec les systèmes d'IA à grande échelle
- Connaissance des concepts d'apprentissage par renforcement
Public cible
- Ingénieurs IA seniors
- Architectes de plateformes d'agents
- Équipes de recherche et développement (R&D)
14 Heures