Claude 3 on Amazon Bedrock 结合多智能体助力 Altrubook AI 定义消费者 AI 新范式

news2024/11/17 12:47:13

e9bfb6068078f0aaf9ab1f39b3414b38.gif

关于 Altrubook AI

智能消费决策机器人

Altrubook 是全球首创场景化智能决策机器人,由国内外大厂等前员工共同研发,具有定制化 IP 决策机器人、沉浸式购物体验和需求匹配优化等独特优势。目前,Altrubook AI 已完成与 Claude 3 on Amazon Bedrock 的深度技术融合,将 Claude 3 卓越的多模态对话能力与 Altrubook AI 的领域决策模型无缝集成。凭借先进的人工智能算法,它可在创建的虚拟购物场景中,与用户进行身临其境的对话互动,智能捕捉消费诉求,给出高度个性化和情感化的商品推荐,并综合多重参数为用户规划出性价比最优的一揽子采购方案。Altrubook AI 将颠覆传统购物体验,为消费者带来前所未有的智能决策服务。它不仅能最大限度匹配消费需求,更能自动消除信息不对称,消弭买卖双方的利益鸿沟,为跨境电商及中小独立站商提供全新高效的销售渠道。

Altrubook AI 的开发公司——南京阿尔特科技是一家专注于电商消费领域模型与人工智能算法的高科技公司,由一支梦想远大的国际化科技精英团队组建而成,他们正在开启一场令人鼓舞的科技探索之旅,竭力打造世界一流的智能决策机器人产品和服务,让人工智能为人类消费决策加冕,开创智慧经济的新纪元。

关于

Claude 3 on Amazon Bedrock

2024 年 3 月,Anthropic 宣布推出 Claude 3,这是新系列的先进人工智能模型。该系列允许客户根据自身业务需求精确选择智能水平、速度和成本的组合。该系列包括三个模型:

  • Claude 3 Haiku:作为系列中最快、最紧凑的模型,可实现近乎即时的响应;

  • Claude 3 Sonnet:平衡了智能和速度的理想模型;

  • Claude 3 Opus:在高度复杂的任务上能够实现更出色性能的高智能模型。

性能提升:在速度方面,Claude 3 取得了显著提升。对于大多数工作负载而言,其处理速度是 Claude 2 的两倍,同时保持了相同的智能水平。

增强的可操纵性:对人工智能系统可操纵性的提升,使用户能够更有效地控制输出,以期获得更可预测且高质量的结果。

图像到文本的视觉能力:Claude 3 拥有处理图像并生成文本输出的视觉能力。它特别擅长分析和理解图表、图形、技术绘图、报告和其他视觉资料。

目前,Claude 3 系列 Haiku、Sonnet 模型已经可以在 Amazon Bedrock 中使用。

Altrubook 场景运用

由于商品种类繁多、信息海量,很多用户在选购过程中常常会感到无所适从,难以权衡商品的性价比。为了解决这一痛点,Altrubook 创新性地引入了基于 LLM 的 Multi-agent 系统。通过应用 Multi-agent 框架与 Altrubook 自研的领域决策大模型(Domain-specific Large Language Model, DSLLM)以及 Claude 3 的多模态能力,Altrubook AI 为消费者提供高效率且个性化的购物决策,大幅提升消费者的购物体验。

生成式 AI 在消费决策方案的

技术实现

7e68312aea9eefef07952eead4f383ba.png

1. Multi-agent 构建智能购物新范式

对于用户目标商品的信息差,通过应用 LLM 智能体技术,Altrubook 的信息获取过程更加人性化和智能化,提高了效率和准确性。智能体能够像人一样思考和推理,根据目标自主地收集和处理信息,而不是被动执行预定义的程序,这种创新方法有助于更好地满足用户的信息需求。

在 Altrubook 中,有很多个智能体(Multi-agent),这些智能体能够像人一样思考和推理,根据既定目标自主地收集和处理信息,而不是被动执行预定义的程序,并被组织成了两个团队。

信息搜索团队(Information Retrieval Agents Team, IRAT):该团队由搜索智能体(Searcher Agent)、网页抓取智能体(Web scrape Agent)、以及语义解析智能体(Semantic Parsing Agent, SPA)组成,它们分工协作,从搜索引擎、电商平台、社交媒体等多个渠道获取与用户查询相关的原始数据,利用 BERT 模型对商品信息、用户评论等非结构化文本进行语义解析,提取关键实体、属性和情感倾向,通过 Claude 3 获取视觉信息,包括外部图片、用户浏览图片等,并将其转化为结构化的信息单元。

模拟用户团队(Pretending User Agents Team, PUAT):该团队由 Inpersonating User Agent、Inpersonating Male user Agent 和 Inpersonating Female Agent 等不同的智能体组成。他们扮演着虚拟用户的角色,根据 Altrubook LLM 生成的用户画像,模拟不同属性和偏好的用户行为,并与信息搜索团队进行交互,帮助搜集和筛选出更加符合目标用户特征的信息。

Supervisor 团队(Altrubook Supervisor Agent, ASA):作为整个 Altrubook 系统的调度中心,Altrubook Supervisor 负责协调各个智能体之间的工作流程和信息传递。它接收来自用户的查询请求,并将其分解为多个子任务分配给不同的智能体团队。同时,它还负责汇总和整合各个智能体返回的结果,并将其传递给 Altrubook DSLLM 进行最终的决策生成。

e48a6ddbe82ea4ed6ee53eafb8bc7e8d.png

整个架构依据“ReAct”的思想构建,“ReAct”一词源于《REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS》,它由单词“Reason”和“Act”组合而成,对于某个特定的问题,使用不同的大语言模型,以区分“逻辑推理”和“执行行动”的方法,从而在两者之间实现更强的协同效应。

Act Agent:Searcher Agent(搜索智能体),Web scrape Agent(网页抓取智能体) 主要负责从外部环境中获取信息和知识,为 Reasoner 提供原始数据,它们扮演着“感知”和“行动”的角色。

Reasoner Agent (Altrubook DSLLM, Claude 3) 则通过语言模型的推理能力,分析 Act Agent 获取的信息,生成针对性的决策和反馈。

Altrubook Supervisor 作为整个系统的核心控制单元,负责协调各个模块之间的工作流程。它接收来自用户的请求,对任务进行分解,并动态调度 Act Agent 和 Reasoner Agent 完成任务。Altrubook Supervisor 通过对全局信息的掌握和宏观调度,实现了 Reason 和 Act 的有机结合,构建了一个“Reason+Act”的完整智能体系。

智能体工作流:

f26d36406718e9a9d417312104a53772.png

2. 借助 Claude 3 模型,使 Multi-agent 具备视觉洞察能力

利用先进的多模态大模型 Claude 3 对获取的信息进行判定和总结,将多智能体获取的目标信息,包括文本、图像等多模态数据作为输入提示词,通过 Claude 3 on Amazon Bedrock Message API 传递给 Claude 3 大模型。凭借其强大的多模态理解能力,Claude 3 能够深入理解图像内容,并结合文本信息进行全面的判定和总结。通过这样基础信息融合多模态的分析方式,能够提供更加准确、全面的信息判断,为后续的智能决策提供视觉支撑。

ea53fd98551752cf4720d8b7f97e61e9.png

部分 Prompt 参考:

04cc7f593b77b254cb96bc50a8807ad0.png

这个 prompt 要求 Claude 以分析师的角度,从提供的商品图片中提取颜色、品牌、品类,以及判断图片是否有提供额外的折扣信息。

3. Altrubook 领域决策大模型,最终生成可供消费者决策的方案

基于判断结果和综合信息总结,Altrubook 的领域决策大语言模型(Domain-specific Large Language Model, DSLLM)将依据信息生成最佳个性化方案,为用户提供最优的购物决策建议。

Altrubook DSLLM:作为核心大脑,Altrubook DSLLM 接收来自 Supervisor 的结构化信息,并利用其在海量电商数据集上的 Fine-tuning 学习到的知识,对信息进行语义理解、知识推理和决策生成,做出符合消费者特性的推理和决策。DSLLM 使用 Amazon SageMaker 自动拉起推理 endpoint,提供有弹性的推理能力。

6c1a8e033ec433e7464f068429b4e439.png

  1. 基于 langchain 构建的 multi-agnet 系统会根据用户关注的商品图片,通过 Amazon Bedrock 访问 Claude 3 模型,生成视觉 insight,根据图片标识,存储在数据库中。

  2. 商品视觉 insight 会结合商品结构化信息,生成商品的一个特征,存储在 ElastiCache。

  3. 经过 Supervisor Agent 的调度,将商品特征和模拟的用户特性,发送给部署在 Amazon SageMaker 推理节点上的 DSLLM 大模型进行推理,并生成决策方案。

最后

通过智能体间的高效协同,Claude 3 提供的多模态视觉,以及被海量数据 Fine-tuning 的 Altrubook DSLLM,Altrubook AI 能像人一样处理复杂的信息和知识,高效地生成决策建议,重塑信息获取和智能决策的方式。相信通过在多智能体、大语言模型等前沿领域的不断深耕和创新,必将为我们带来更多令人惊叹的成果和应用。

您仍然可以继续领略 Amazon Bedrock 上包括 Mistral, llama2 等领先的基础模型的魅力,对于 Amazon Bedrock 上的 Claude 3 模型,如果您的业务有出海需求,可以由您的海外关联公司在海外访问亚马逊云科技海外区域提供的相关模型,感受先进技术带来的无限可能,感谢您的支持与理解!

点击阅读原文查看博客,获得更详细内容!

本篇作者

0efa3d72eff15a35abdcd9a5bb559184.jpeg

陈建钧

阿尔特科技大模型训练负责人,计算机视觉领域的先驱人物。钻研人工智能算法,追求工程化落地、领域模型的情境理解与决策规划的创新性人工智能引擎。

6e10fa8da32703c7a1583dfee537b317.png

牛泽鹏

阿尔特科技大模型架构师,大模型算法研究人才。熟悉 Transformer 等大模型核心架构,极度追求算法创新,对于大模型推理加速、架构优化有着多年丰富经验。

709e120a97fb66b88e086ef78b319912.jpeg

曹镏

亚马逊云科技解决方案架构师,专注于为企业级客户提供信息化以及生成式 AI 的架构的咨询与设计,在 AI/ML 领域具有解决实际问题能力以及落地大型模型训练项目的经验。

f666ee1da8c183b197abc1ee05c4c4ee.gif

星标不迷路,开发更极速!

关注后记得星标「亚马逊云开发者」

2c625daedda334b0f72c53c03b54a5b9.gif

听说,点完下面4个按钮

就不会碰到bug了!

c96db4ec165b03c17e01dce15af0cb82.gif

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1571359.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【深度优先】【树上倍增 】2846. 边权重均等查询

本文涉及知识点 深度优先 树上倍增 LeetCode2846. 边权重均等查询 现有一棵由 n 个节点组成的无向树,节点按从 0 到 n - 1 编号。给你一个整数 n 和一个长度为 n - 1 的二维整数数组 edges ,其中 edges[i] [ui, vi, wi] 表示树中存在一条位于节点 ui…

备战蓝桥杯---贡献法刷题

话不多说,直接看题: 什么是贡献法?这是一种数学思想,就是看每一个元素对总和的贡献。 1. 我们可以先枚举区间再统计次数,但这显然TLE。我们可以发现,每一个孤独的区间对应一个孤独的牛,因此我…

注意力机制篇 | YOLOv8改进之添加多尺度全局注意力机制DilateFormer(MSDA)| 即插即用

前言:Hello大家好,我是小哥谈。多尺度全局注意力机制DilateFormer是一种用图像识别任务的深度学习模型。它是在Transformer模型的基础上进行改进的,旨在提高模型对图像中不同尺度信息的感知能力。DilateFormer引入了多尺度卷积和全局注意力机制来实现多尺度感知。具体来说,…

考古:IT架构演进之IOE架构

考古:IT架构演进之IOE架构 IOE架构(IBM, Oracle, EMC)出现在20世纪末至21世纪初,是一种典型的集中式架构体系。在这个阶段,企业的关键业务系统往往依赖于IBM的小型机(后来还包括大型机)、Oracle…

题库管理系统-基于Springboot实现JAVA+SQL离散数学题库管理系统(完整源码+LW+翻译)

基于Springboot实现JAVASQL离散数学题库管理系统(完整源码LW翻译) 概述: 本系统具体完成的功能如下: 1题库的管理与维护:新题的录入,修改,删除等功能。 2生成试卷:包括自动生成与手工改动,要…

ThingsBoaed、系统模块层级讲解

系统管理员能够使用租户配置文件为多个租户配置通用设置。每个租户在单个时间点都拥有唯一的个人资料。 让我们一一查看租户配置文件中的可用设置。 配置文件配置 这些设置允许系统管理员配置对租户创建的实体数量的限制,设置每月最大消息数、API 调用数的限制&…

Vue - 1( 13000 字 Vue 入门级教程)

一:Vue 1.1 什么是 Vue Vue.js(通常称为Vue)是一款流行的开源JavaScript框架,用于构建用户界面。Vue由尤雨溪在2014年开发,是一个轻量级、灵活的框架,被广泛应用于构建单页面应用(SPA&#xf…

java自动化测试学习-03-06java基础之运算符

运算符 算术运算符 运算符含义举例加法,运算符两侧的值相加ab等于10-减法,运算符左侧减右侧的值a-b等于6*乘法,运算符左侧的值乘以右侧的值a*b等于16/除法,运算符左侧的值除以右侧的值a/b等于4%取余,运算符左侧的值除…

matlab使用教程(34)—求解时滞微分方程(2)

1.具有状态依赖时滞的 DDE 以下示例说明如何使用 ddesd 对具有状态依赖时滞的 DDE(时滞微分方程)方程组求解。Enright 和Hayashi [1] 将此 DDE 方程组用作测试问题。方程组为: 方程中的时滞仅出现在 y 项中。时滞仅取决于第二个分量 y 2 t …

每日面经分享(Git经典题目,Git入门)

1. GitHub是什么 a. Git是一个分布式版本控制系统,作用是跟踪、管理和协调软件开发项目中的代码更改。 b. 提供了一种有效的方式来管理代码的版本历史,以及多人协作开发的能力。 2. Git的作用有哪些 a. 版本控制:Git可以记录每次代码更改的…

政安晨:【Keras机器学习实践要点】(十六)—— 图像分类从零开始

目录 简介 设置 加载数据:猫与狗数据集 原始数据下载 滤除损坏的图像 生成数据集 将数据可视化 使用图像数据增强 数据标准化 预处理数据的两个选项 配置数据集以提高性能 建立模型 训练模型 对新数据进行推理 政安晨的个人主页:政安晨 欢…

【快捷部署】011_PostgreSQL(16)

📣【快捷部署系列】011期信息 编号选型版本操作系统部署形式部署模式复检时间011PostgreSQL16Ubuntu 20.04Docker单机2024-03-28 一、快捷部署 #!/bin/bash ################################################################################# # 作者&#xff1…

【二分查找】Leetcode 二分查找

题目解析 二分查找在数组有序可以使用,也可以在数组无序的时候使用(只要数组中的一些规律适用于二分即可) 704. 二分查找 算法讲解 当left > right的时候,我们循环结束,但是当left和right缩成一个点的时候&#x…

DDR3接口

mig IP核的配置 首先添加mig IP核   然后确认以下工程信息,主要是芯片型号以及编译环境,没什么问题后点击next.   如下图所示,这一页选择"Create Design",在"Component Name"一栏设置该IP元件的名称&…

Redis数据库——群集(主从、哨兵)

目录 前言 一、主从复制 1.基本原理 2.作用 3.流程 4.搭建主动复制 4.1环境准备 4.2修改主服务器配置 4.3从服务器配置(Slave1和Slave2) 4.4查看主从复制信息 4.5验证主从复制 二、哨兵模式——Sentinel 1.定义 2.原理 3.作用 4.组成 5.…

59 使用 uqrcodejs 生成二维码

前言 这是一个最近的一个来自于朋友的需求, 然后做了一个 基于 uqrcodejs 来生成 二维码的一个 demo package.json 中增加以依赖 "uqrcodejs": "^4.0.7", 测试用例 <template><div class"hello"><canvas id"qrcode&qu…

代码随想录-算法训练营day02【滑动窗口、螺旋矩阵】

专栏笔记&#xff1a;https://blog.csdn.net/weixin_44949135/category_10335122.html https://docs.qq.com/doc/DUGRwWXNOVEpyaVpG?uc71ed002e4554fee8c262b2a4a4935d8977.有序数组的平方 &#xff0c;209.长度最小的子数组 &#xff0c;59.螺旋矩阵II &#xff0c;总结 建议…

[中级]软考_软件设计_计算机组成与体系结构_08_输入输出技术

输入输出技术 前言控制方式考点往年真题 前言 输入输出技术就是IO技术 控制方式 程序控制(查询)方式&#xff1a;分为无条件传送和程序查询方式两种。 方法简单&#xff0c;硬件开销小&#xff0c;但I/O能力不高&#xff0c;严重影响CPU的利用率。 程序中断方式&#xff1…

LeetCode---127双周赛

题目列表 3095. 或值至少 K 的最短子数组 I 3096. 得到更多分数的最少关卡数目 3097. 或值至少为 K 的最短子数组 II 3098. 求出所有子序列的能量和 一、或值至少k的最短子数组I&II 暴力的做法大家都会&#xff0c;这里就不说了&#xff0c;下面我们来看看如何进行优化…

Python云计算技术库之libcloud使用详解

概要 随着云计算技术的发展,越来越多的应用和服务迁移到了云端。然而,不同云服务商的API和接口千差万别,给开发者带来了不小的挑战。Python的libcloud库应运而生,它提供了一个统一的接口,让开发者可以轻松地管理不同云服务商的资源。本文将深入探讨libcloud库的特性、安装…