Meta發(fā)布抽象鏈，大模型工具利用精度+6%，速度+40%！

AIGC動態(tài)歡迎閱讀

原標題：Meta發(fā)布抽象鏈，大模型工具利用精度+6%，速度+40%！
關(guān)鍵字：解讀,方法,工具,模型,數(shù)學(xué)
文章來源：夕小瑤科技說
內(nèi)容字數(shù)：10238字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)編輯 | 芒果引言：大語言模型與真實世界知識的對齊挑戰(zhàn)在人工智能領(lǐng)域，大型語言模型（LLMs）的發(fā)展已經(jīng)取得了顯著進步，特別是在理解和執(zhí)行指令方面。然而，當涉及到需要調(diào)用和組合真實世界知識來生成響應(yīng)時，這些模型仍然存在錯誤。例如，它們可能會做出不符合事實的陳述或錯誤的計算。為了解決這些問題，研究人員提出了使用輔助工具（如搜索引擎提供可靠事實，計算器進行精確數(shù)算等）來減少這些錯誤，這激發(fā)了集成外部API調(diào)用到輸出生成中的工具增強型語言模型的發(fā)展。
盡管如此，當前的工具增強型LLMs，例如Toolformer，仍然面臨在多步推理中可靠和高效利用工具的挑戰(zhàn)。特別是在多步推理任務(wù)中，工具調(diào)用往往是交錯的，即一個API調(diào)用的響應(yīng)常常是后續(xù)調(diào)用的一部分查詢。如果不顯式地建模這些推理鏈中的相互連接，LLMs將無法學(xué)習(xí)有效的工具使用規(guī)劃，導(dǎo)致使用工具的推理準確性降低。同時，將文本生成與API調(diào)用交錯也引入了推理效率低下的問題，模型必須等待API調(diào)用的響應(yīng)才能繼續(xù)解碼過程。在多步推理場景中，這種低效率變得更加明顯，因為每個推理過程通常需要多輪API調(diào)用。
本文提出了一種新的方法，通

原文鏈接：Meta發(fā)布抽象鏈，大模型工具利用精度+6%，速度+40%！

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業(yè)洞見。聚集25萬AI一線開發(fā)者、互聯(lián)網(wǎng)中高管和機構(gòu)投資人。一線作者來自清北、國內(nèi)外頂級AI實驗室和大廠，兼?zhèn)湫袠I(yè)嗅覺與報道深度。