دليل اللغة AI
تجميع خليط الوكلاء
مزيج الوكلاء (MoA) عبارة عن تقنية تقوم فيها عدة نماذج لغوية بصياغة الإجابات ثم يقوم نموذج التجميع بدمج أفضل أفكارهم في استجابة واحدة محسنة.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
It lets a team of open models rival or beat a single top-tier model.
الغوص العميق
تم تقديم Mixture of-Agents في ورقة بحثية صدرت عام 2024 من موقع Together AI، حيث يقوم بتنظيم العديد من شهادات LLM في طبقات. في الطبقة الأولى، يجيب كل نموذج من نماذج "المقترح" بشكل مستقل على الموجه. يتم بعد ذلك تجميع مخرجاتهم وتسليمها إلى الطبقة التالية، حيث تستجيب النماذج مرة أخرى، مشروطة الآن بجميع المسودات السابقة. وبعد جولة واحدة أو أكثر من هذه الجولات، يقوم نموذج "المجمع" النهائي بتجميع كل شيء في إجابة واحدة. الفكرة الأساسية، التي يسميها المؤلفون "تعاونية طلاب ماجستير الإدارة"، هي أن النماذج تنتج استجابات أفضل عندما تظهر إجابات أقرانها، حتى تلك غير الكاملة. في معيار AlpacaEval 2.0، يقال إن مذكرة التفاهم المبنية بالكامل من نماذج مفتوحة المصدر تجاوزت نتيجة GPT-4 Omni، مما يدل على أن التجميع الدقيق للنماذج المتنوعة والأرخص يمكن أن يتغلب على نظام حدودي واحد.
التنفيذ في العالم الحقيقي
الجمع بين ثلاثة نماذج مختلفة للدردشة المفتوحة كمقترحين، ثم استخدام مجمع قوي لإنتاج رد واحد مصقول لدعم العملاء.
تعزيز درجات متابعة التعليمات وفقًا لمعايير نمط AlpacaEval باستخدام النماذج مفتوحة المصدر فقط.
دمج اقتراحات التعليمات البرمجية المتنوعة من عدة نماذج في تنفيذ وظيفة واحدة أكثر قوة.
تشغيل خط أنابيب ذو أوزان مفتوحة يقترب من الجودة الحدودية لنشر حساس للخصوصية حيث لا يمكن للبيانات مغادرة خوادم الشركة.
مستقبل تجميع خليط الوكلاء
توقع أن ينتشر التجميع على طراز MoA مع انخفاض تكلفة الاستدلال ونضج أطر التنسيق. تتضمن اتجاهات البحث التعرف على مقدمي الاقتراحات الذين يجب الوثوق بهم لكل استعلام (توجيه)، وتقليل عقوبة زمن الوصول عن طريق تشغيل مقدمي الاقتراحات بالتوازي وتهذيب المقترحين الضعفاء مبكرًا، والجمع بين MoA ووكلاء استخدام الأدوات بحيث لا يدمج المجمّع النص فحسب، بل الإجراءات والأدلة المستردة. ومع تكاثر النماذج المفتوحة، يصبح تجميعها بذكاء طريقًا عمليًا بشكل متزايد نحو الجودة على مستوى الحدود دون الحاجة إلى نموذج عملاق واحد.
وضعها موضع التنفيذ
لماذا يهم
- السرعة والحجم. يمكن أن تتحرك مسارات عمل اللغة بشكل أسرع دون التضحية بالاتساق.
- الوصول والوصول. فهو يوسع الوصول عبر اللغات وأنماط الاتصال.
- قرارات أوضح. يمكن للفرق قضاء المزيد من الوقت في الحكم بينما تتعامل الأتمتة مع التكرار.
احترس من
- يمكن للحقائق المهلوسة إدخال التقارير أو تدفقات الدعم أو مخرجات البحث بهدوء.
- يمكن أن تؤدي الحساسية السريعة إلى نتائج غير متناسقة عبر الطلبات المماثلة.
- قد يتم كشف البيانات النصية الحساسة إذا كانت عناصر التحكم في الوصول ضعيفة.
الخطوات التالية
- حدد تنسيق الإخراج والنغمة ومعايير الجودة قبل بدء التشغيل.
- استجابات أرضية من مصادر موثوقة عندما تكون الدقة مهمة.
- احتفظ بنقطة تفتيش للمراجعة البشرية للمخرجات عالية المخاطر.
- تتبع أنماط الفشل وأعد تدريب المطالبات أو سير العمل بانتظام.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Mixture-of-Agents Aggregation quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
What is Mixture-of-Agents Aggregation?
مزيج الوكلاء (MoA) عبارة عن تقنية تقوم فيها عدة نماذج لغوية بصياغة الإجابات ثم يقوم نموذج التجميع بدمج أفضل أفكارهم في استجابة واحدة محسنة. إنه يتيح لفريق من النماذج المفتوحة منافسة نموذج واحد من الدرجة الأولى أو التغلب عليه.
في خليط الوكلاء، ما هو دور نموذج التجميع؟
يقرأ المجمّع جميع ردود المرشحين وينشئ إجابة واحدة مدمجة وعالية الجودة.
ما هي الخاصية الرئيسية لـ LLMs التي تعتمد عليها ورقة مذكرة التفاهم؟
لاحظ المؤلفون أن النماذج تعمل على تحسين إجاباتها عندما تكون مشروطة بمسودات نماذج أخرى، حتى تلك غير الكاملة.
كيف تختلف وزارة الزراعة عن التصويت بالأغلبية البسيطة؟
على عكس التصويت، لا تقوم وزارة الزراعة باختيار إجابة واحدة موجودة فقط؛ فهو يولد استجابة جديدة تمزج بين المرشحين.
لماذا يعتبر التنوع بين النماذج المقترحة ذا قيمة في وزارة الزراعة؟
يغطي المقترحون المتنوعون مساحة أكبر، مما يمنح المجمّع مجموعة أكثر ثراءً من الأفكار لدمجها والأخطاء لتصفيتها.
ما هي التكلفة العملية الرئيسية لنهج وزارة الزراعة؟
تضيف كل طبقة المزيد من مكالمات LLM، لذلك تقوم MoA باستبدال الحوسبة الإضافية والوقت لتحسين جودة الإجابة.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع