የተወካዮች ድብልቅ
ድብልቅ-ኦቭ-ኤጀንቶች (MoA) በርካታ የቋንቋ ሞዴሎች መልሶችን የሚረቅቁበት እና ከዚያም የአሰባሳቢ ሞዴል ምርጥ ሀሳባቸውን ወደ አንድ የተሻሻለ ምላሽ የሚያዋህድበት ዘዴ ነው።
አጠቃላይ እይታ
It lets a team of open models rival or beat a single top-tier model.
ጥልቅ ዳይቭ
ከTogether AI በ2024 ወረቀት ላይ አስተዋውቋል፣ Mixture-of-Agents በርካታ LLMዎችን ወደ ንብርብሮች ያደራጃል። በመጀመሪያው ንብርብር፣ በርካታ 'ፕሮፖሰር' ሞዴሎች እያንዳንዳቸው እራሳቸውን ችለው ጥያቄውን ይመልሳሉ። ውጤታቸው ከዚያም ተጣብቀው ወደ ቀጣዩ ንብርብር ይሰጣሉ, ሞዴሎች እንደገና ምላሽ ይሰጣሉ, አሁን በሁሉም የቀደሙት ረቂቆች ላይ ተስተካክለዋል. ከአንድ ወይም ከዛ በላይ ዙሮች በኋላ፣ የመጨረሻው 'አሰባሳቢ' ሞዴል ሁሉንም ነገር ወደ አንድ መልስ ያዋህዳል። ዋናው ግንዛቤ፣ ደራሲዎቹ 'የኤል.ኤም.ኤል.ዎች ትብብር' ብለው የሚጠሩት፣ ሞዴሎች የእኩዮችን መልሶች ሲታዩ፣ ፍጽምና የጎደሉትንም ጭምር የተሻሉ ምላሾችን ማፍራታቸው ነው። በአልፓካ ኢቫል 2.0 ቤንችማርክ ላይ፣ ከክፍት ምንጭ ሞዴሎች ሙሉ በሙሉ የተገነባው MoA ከጂፒቲ-4 ኦምኒ ውጤት በልጦ እንደነበር ተዘግቧል፣ ይህም የተለያዩ ርካሽ ሞዴሎችን በጥንቃቄ ማሰባሰብ ነጠላ የድንበር ስርዓትን እንደሚያሸንፍ ያሳያል።
ቴክኒካዊ ግንዛቤ
MOA ከቀላል አብላጫ ድምጽ ይለያል፡ አንድ መልስ ከመምረጥ ይልቅ ሰብሳቢው ሁሉንም የእጩ ምላሾች እንደ አውድ ያነብባል እና አዲስ ውህደት ይፈጥራል፣ ጥንካሬዎችን በማጣመር እና ስህተቶችን ያጣራል። በአቅራቢዎች መካከል ያለው ልዩነት ይረዳል, ስለዚህ የተለያዩ ሞዴል ቤተሰቦችን መቀላቀል ጠቃሚ ነው. አወቃቀሩ ተደራራቢ ነው፣ ልክ እንደ ጥልቅ አውታረ መረብ የእያንዳንዱ ንብርብር 'ነርቭ' ሙሉ የኤል.ኤም.ኤም ጥሪዎች ናቸው። ግብይቱ መዘግየት እና ወጪ ነው፡ እያንዳንዱ ሽፋን የግምገማ ጥሪዎችን ቁጥር ያበዛል፣ ስለዚህ MoA ጥራትን ለማንሳት የበለጠ ስሌት ያወጣል።
ስልታዊ ተጽእኖ
ፍጥነት እና ልኬት
የቋንቋ የስራ ፍሰቶች ወጥነትን ሳያጠፉ በፍጥነት ሊንቀሳቀሱ ይችላሉ።
መድረስ እና መድረስ
በቋንቋዎች እና በመግባቢያ ዘይቤዎች ተደራሽነትን ያሰፋዋል።
ግልጽ ውሳኔዎች
አውቶሜሽን ድግግሞሹን ሲቆጣጠር ቡድኖች በፍርድ ላይ ብዙ ጊዜ ሊያጠፉ ይችላሉ።
የድብልቅ-ወኪል ስብስብ የወደፊት ዕጣ
ግምቱ ርካሽ እየሆነ ሲመጣ እና የኦርኬስትራ ማዕቀፎች በበሰሉ ቁጥር የMoA-style ውህደቱ እንዲሰራጭ ይጠብቁ። የጥናት አቅጣጫዎች የትኞቹ አቅራቢዎች በአንድ ጥያቄ እንደሚታመኑ መማር (ማዘዋወር)፣ አቅራቢዎችን በትይዩ በማሄድ እና ደካማ የሆኑትን ቀድመው በመቁረጥ የቆይታ ጊዜ ቅጣትን መቀነስ እና MoA ከመሳሪያ-መጠቀሚያ ወኪሎች ጋር በማጣመር ሰብሳቢው ጽሑፍን ብቻ ሳይሆን ድርጊቶችን እና የተገኘ ማስረጃዎችን ያዋህዳል። ክፍት ሞዴሎች እየበዙ ሲሄዱ፣ እነሱን በብልሃት ማሰባሰብ ያለ አንድ ግዙፍ ሞዴል ወደ ድንበር-ደረጃ ጥራት እየጨመረ ተግባራዊ መንገድ ይሆናል።
የእውነተኛ-ዓለም አተገባበር
ሶስት የተለያዩ ክፍት የውይይት ሞዴሎችን እንደ ፕሮፖሰር በማጣመር፣ ከዚያም ጠንካራ ሰብሳቢ በመጠቀም አንድ የተጣራ የደንበኛ ድጋፍ ምላሽ ይሰጣል።
ክፍት ምንጭ ሞዴሎችን ብቻ በመጠቀም በአልፓካኢቫል-ስታይል ማመሳከሪያዎች ላይ የትምህርት-የሚከተሏቸውን ውጤቶች ማሳደግ።
የተለያዩ የኮድ አስተያየቶችን ከበርካታ ሞዴሎች ወደ አንድ፣ ይበልጥ ጠንካራ የተግባር ትግበራ በማዋሃድ።
መረጃ ከኩባንያው አገልጋዮች ሊወጣ በማይችልበት ቦታ ላይ ለግላዊነት ሚስጥራዊነት ወደ ድንበር ጥራት የሚጠጋ ክፍት ክብደት ያለው የቧንቧ መስመር ማካሄድ።
አደጋዎች እና የጥበቃ መንገዶች
የተሳሳቱ እውነታዎች በጸጥታ ወደ ሪፖርቶች፣ የድጋፍ ፍሰቶች ወይም የምርምር ውጤቶችን ማስገባት ይችላሉ።
ፈጣን ትብነት በተመሳሳይ ጥያቄዎች ላይ የማይጣጣሙ ውጤቶችን ሊፈጥር ይችላል።
የመዳረሻ መቆጣጠሪያዎች ደካማ ከሆኑ ሚስጥራዊነት ያለው የጽሑፍ ውሂብ ሊጋለጥ ይችላል።
የትግበራ ፍኖተ ካርታ
ከመልቀቅዎ በፊት የውጤት ቅርጸትን፣ ድምጽን እና የጥራት ደረጃዎችን ይግለጹ።
ትክክለኛነት አስፈላጊ በሚሆንበት ጊዜ ሁሉ ከታመኑ ምንጮች ጋር ምላሾች።
ከፍተኛ ውጤት ለማግኘት የሰው የግምገማ ነጥብ አቆይ።
የውድቀት ንድፎችን ይከታተሉ እና ጥያቄዎችን ወይም የስራ ፍሰቶችን በመደበኛነት ያሠለጥኑ።
ማሰስዎን ይቀጥሉ
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Mixture-of-Agents Aggregation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ቀጣይ መመሪያ
የጥልቆች ድብልቅ
በተደጋጋሚ የሚጠየቁ ጥያቄዎች
What is Mixture-of-Agents Aggregation?
ድብልቅ-ኦቭ-ኤጀንቶች (MoA) በርካታ የቋንቋ ሞዴሎች መልሶችን የሚረቅቁበት እና ከዚያም የአሰባሳቢ ሞዴል ምርጥ ሀሳባቸውን ወደ አንድ የተሻሻለ ምላሽ የሚያዋህድበት ዘዴ ነው። የክፍት ሞዴሎች ቡድን አንድ ከፍተኛ-ደረጃ ሞዴል እንዲወዳደር ወይም እንዲያሸንፍ ያስችለዋል።
በድብልቅ-ኦፍ-ኤጀንቶች ውስጥ የአሰባሳቢው ሞዴል ሚና ምንድን ነው?
ሰብሳቢው ሁሉንም የእጩ ምላሾች ያነባል እና አንድ የተዋሃደ ከፍተኛ ጥራት ያለው መልስ ያመነጫል።
የMoA ወረቀቱ የሚመካው በየትኛው የኤል.ኤል.ኤም.ኤስ ቁልፍ ንብረት ነው?
ሞዴሎች በሌሎች ሞዴሎች ረቂቆች ላይ፣ ፍጽምና የጎደላቸው ቢሆኑም እንኳ መልሳቸውን እንደሚያሻሽሉ ደራሲዎቹ አስተውለዋል።
MOA ከቀላል አብላጫ ድምጽ እንዴት ይለያል?
ከድምጽ መስጫ በተለየ፣ MoA አንድ ነባር መልስ ብቻ አይመርጥም። እጩዎቹን የሚያዋህድ አዲስ ምላሽ ይፈጥራል።
በMoA ውስጥ በፕሮፖሰር ሞዴሎች መካከል ያለው ልዩነት ለምን ጠቃሚ ነው?
የተለያዩ ፕሮፖሰሮች የበለጠ መሬትን ይሸፍናሉ፣ ይህም ሰብሳቢው እንዲዋሃድ የበለፀገ የሃሳቦች ስብስብ እና ለማጣራት ስህተቶችን ይሰጣል።
የMoA አካሄድ ዋና ተግባራዊ ወጪ ምንድነው?
እያንዳንዱ ንብርብር ተጨማሪ የኤል.ኤም.ኤም ጥሪዎችን ያክላል፣ ስለዚህ MoA ለተሻሻለ የመልስ ጥራት ተጨማሪ ስሌት እና ጊዜ ይገበያል።