Nagot, co-founder of AGI Inc., teaches how to build AI browser agents using AgentQ, a framework combining Monte-Carlo search, self-critique, and preference optimization. You'll build agents that navigate websites despite style changes and pop-ups, then test them in Grid World and on real web pages.
Ich freue mich, die Entwicklung von KI Browser Agenten vorzustellen, die von DWAC und Nagot unterrichtet werden. Die beiden sind Mitbegründer von AGI Inc. Und Entwickler des Webagent Frameworks AgentQ. In diesem Kurs lernen Sie, wie Sie KI Agenten entwickeln, die mit Webseiten interagieren, Entscheidungen treffen und Aktionen ausführen. Diese Agenten können sich bei Websites anmelden, Formulare ausfüllen und sogar automatisch Online Bestellungen aufgeben. Angesichts der Komplexität von Webseiten und der Dutzenden von möglichen Aktionen in jedem Schritt kann die Erledigung der einem Keybrowser-Agenten zugewiesenen Aufgabe eine große Herausforderung darstellen. Der Agent kann stecken bleiben, weil sich beispielsweise der Stil der Webseite geändert hat oder ein Pop up Fenster stört. Da diese Agenten lange Aktionssequenzen ausführen, kann ein einziges falsch gelesenes Feld zu unerwarteten Ergebnissen führen, z. B. Zur Buchung der falschen Flüge oder zum Kauf des falschen Produkts. In diesem Kurs lernen Sie all diese Herausforderungen kennen und erkunden einige der Lösungen für diese Probleme. Um diese Herausforderungen zu bewältigen, haben wir Agent Q eingeführt. Agent Q kombiniert Monte Carlo Forschung oder MCTs mit einem Selbstkritikmechanismus, gekoppelt mit direkter Präferenzoptimierung oder DPOT. Während der Suche erkundet Agent Q mehrere Aktionspfade, sammelt während dieser Teile Key Feedback und optimiert dann das zugrunde liegende Modell, sodass es in zukünftigen Schritten konsistent bessere Aktionen auswählt. In diesem Kurs erstellen Sie mehrere Webagenten. Zuerst erstellen Sie einen einfachen Agenten, der Kurse auf Deep Learning zu einem bestimmten Thema wie REC auflistet, und untersuchen die Grenzen dieses einfachen Agenten. Anschließend erstellen Sie einen komplexeren Agenten, der auf jeden Kurs klickt, sie zusammenfasst und sogar die Anmeldung für den Batch Newsletter ermöglicht. Anschließend befassen Sie sich mit MCTs und untersuchen, wie dieser Agent den optimalen Pfad in verschiedenen Grid World Problemen findet. Schließlich navigieren Sie mit Hilfe des Agenten Q durch echte Websites und visualisieren und analysieren verschiedene Pfade, die erkundet werden, um das Endziel zu Das Erstellen von KI Agenten, die auf Websites interagieren und Aktionen ausführen, kann sehr viel Spaß machen und dies ist eine wichtige Technologie für unser Fachgebiet. Ich hoffe, Ihnen hat der Kurs gefallen.
