我们想要的技术其实在计算机领域可能已经深入探索过
大模型应用
训练大模型通过API使用算法工具也是被广泛研究的一个领域，在大模型是NLP基础的情况下，其注定难以高效进行各种数学物理求解，在特定行业中（比如光网络），在可见的未来里工具调用将是很重要的一个能力，让LLM胜任各种专门工作，其如何调用以及与工具的交互实现高效使用是关键问题。
- Qin Y, Hu S, Lin Y, Chen W, Ding N, Cui G, Zeng Z, Zhou X, Huang Y, Xiao C, Han C. Tool learning with foundation models. ACM Computing Surveys. 2024 Dec 24;57(4):1-40.
- Qin Y, Liang S, Ye Y, Zhu K, Yan L, Lu Y, Lin Y, Cong X, Tang X, Qian B, Zhao S. ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs. InICLR 2024 Jan 1.
具身智能
- （深度）学习的价值不在于替代一切建模，而是补充人类难以编码的知识结构
- 底层用硬编码的控制回路保证稳定性，高层用大模型？学习经验知识和策略
- 到底需要怎样的触觉？光纤传感似乎有用武之地？
- 强化学习，不仅仅是在这个领域，在所有需要智能成长，需要反馈迭代的场景中都十分有前景啊；强化学习才是“知行合一”啊
- https://github.com/TianxingChen/Embodied-AI-Guide