浅析智能体调优在大模型应用中的作用

© 2026 by the Author(s). Licensee Art and Technology, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )

Download PDF

Cite

XML

HTML

Abstract

本文深入探讨了基于通用大模型的Agent 数据召回调优策略。通过分析Agent 技术在数据召回中的作用机制，提出了一系列有效的调优方法，并通过实验验证了这些方法的有效性。研究结果表明，基于Agent 的调优策略在数据召回的效率和准确性方面取得了显著提升，为大模型在实际应用中的性能优化提供了新的思路和方法。本文还讨论了调优策略的局限性与未来研究方向，提出了数据增强、分布式计算和多Agent 协同等未来研究方向，为后续研究提供了参考。

Keywords

大模型（LLMs）

Agent（智能体）技术

数据召回

调优策略

自然语言处理

References

[1] 刘钊勇张艺婷. 基于合作关系的多智能体数据库参数调优模型[J]. 无线电通信技术, 2024, 50(5):1037-1045.
[2] 杜梦瑶, 李清明, 张淼, 等. 面向隐私保护的用户评论基准数据集构建与大模型推理能力评估[J]. 计算机学报, 2025(7).DOI:10.11897/SP.J.1016.2025.01529.
[3] 韩宗亭, 吴宪祥, 呼香艳, 等. 基于LMS 的多智能体系统变步长自调优一致性[J]. 计算机科学与应用, 2018, 8(6):11.DOI:10.12677/CSA.2018.86097.
[4] 丛颖男, 韩林睿, 马佳羽, 等. 基于大语言模型的刑事案件智能判决研究[J]. 计算机科学, 2025, 52(5):248-259.

Previous article in this issue

Next article in this issue