详细内容或原文请订阅后点击阅览
部署代理AI：有效的，什么破裂和我们学到的东西
范妮·莫雷尔（Fanny Maurel）和数字 /环境抄写员 /由弗朗西斯·奥塞（Francis Osei）1。当代理AI开始主导研究论文，演示和会议演讲时，我很好奇但谨慎。智能代理的想法，由大型语言模型提供支持的自主系统，[…]
来源:ΑΙhubFanny Maurel＆Digit / Digit / Ambient Scribes / CC-BY 4.0 < / div>许可
Fanny Maurel Digit 环境抄写员 由CC-BY 4.0francis osei
1。我们构建了代理系统。这是打破的
当代理AI开始主导研究论文，演示和会议演讲时，我很好奇但谨慎。智能代理的想法，即由大型语言模型提供支持的自主系统，可以计划，推理和采取工具采取行动，从理论上讲是出色的。但是我想知道当您使用它们时发生了什么。不是在玩具笔记本或光滑的演示中，而是在实际项目中具有实际限制，需要可靠，重复地工作。
在我担任Bayezian Limited的临床AI和数据科学家的角色中，我在数据科学，统计建模和临床AI治理的交集中工作，并非常重视与CDISC等监管一致的标准。我直接参与将代理系统部署到信任和可重复性不是可选的环境中。这些包括实时协议合规性，CDISC映射和监管工作流程。我们给了特工真正的工作。我们让他们放松在混乱的文件上。然后我们看着他们工作，失败，学习，有时）恢复。
2。实践中的代理AI是什么样的
在Bayezian，我们在几个内部项目中探讨了这一点，包括从统计分析计划和研究规范中生成临床代码，监测合成电子健康记录（EHRS），以违反规则，以及运行链接的推理循环以验证文档的统一。这些努力反映了将LLM代理人建立在安全至关重要和合规性工作流程中的现实。在这些部署中，这个问题绝不只是“可以执行任务”，而是“可以在上下文中可靠，解释和安全地完成任务”。
在下一部分中，我更详细地描述了其中一种部署：用于在模拟临床试验环境中监视数据流的多代理系统。