RAISE Agent: From LLM to Conversational Agent

日期： 2025-9-26
链接： ArXiv
标签： 传统方法 上下文工程 蒸馏学习

核心观点

传统方法：ReAct + Context工程的记忆增强架构

动态更新的 Context，记录当前对话状态，避免重复工作。

基于向量检索的 Few-shot RAG，用于模仿回答风格和内容。

使用 GPT-4 为真实对话场景生成高质量的 CoT (思维链) 数据

构造负样本来微调模型，教其"拒绝与"承认不知"，以抑制幻觉

这是一套传统的 Prompt 和 Context 工程。其核心技术点在于展示了 LLM 微调在 Agent 领域的意义在于蒸馏学习。

✅ 优势： - 实现简单，工程成熟 - 数据工程策略清晰 - 蒸馏学习效果明显

⚠️ 局限： - 方法相对传统 - 缺乏创新突破 - 依赖大量标注数据