Genel Bakış
Aracıların Karışımı (MoA), birkaç dil modelinin yanıtları tasarladığı ve ardından bir toplayıcı modelin en iyi fikirlerini tek bir gelişmiş yanıtta birleştirdiği bir tekniktir. Açık modellerden oluşan bir ekibin tek bir üst düzey modele rakip olmasını veya onu yenmesini sağlar.
Aracıların Karışımı Toplama, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil yapay zeka yığınının bir parçasıdır.
Derin Dalış
Together AI'nın 2024 tarihli bir makalesinde tanıtılan Mixture-of-Agents, birden fazla LLM'yi katmanlar halinde düzenler. İlk katmanda, çeşitli 'teklif sahibi' modellerin her biri bağımsız olarak istemi yanıtlar. Çıktıları daha sonra birleştirilir ve bir sonraki katmana aktarılır; burada modeller artık önceki tüm taslaklara göre yeniden yanıt verir. Bu tür bir veya daha fazla turdan sonra, nihai bir 'toplayıcı' model, her şeyi tek bir yanıtta sentezler. Yazarların 'LLM'lerin işbirlikçiliği' olarak adlandırdığı temel fikir, modellerin akranlarının cevapları gösterildiğinde, kusurlu olsa bile daha iyi tepkiler üretmesidir. AlpacaEval 2.0 değerlendirmesinde, tamamen açık kaynaklı modellerden oluşturulan bir MoA'nın GPT-4 Omni'nin puanını aştığı, çeşitli, daha ucuz modellerin dikkatli bir şekilde bir araya getirilmesinin tek bir sınır sistemini yenebileceğini gösterdiği bildirildi.
Teknik Bilgi
MoA, basit çoğunluk oylamasından farklıdır: toplayıcı, tek bir yanıt seçmek yerine tüm aday yanıtlarını bağlam olarak okur ve güçlü yönleri harmanlayarak ve hataları filtreleyerek yeni bir sentez üretir. Teklif verenler arasındaki çeşitlilik yardımcı olur, bu nedenle farklı model ailelerini karıştırmak değerlidir. Yapı, her katmanın 'nöronlarının' bütün LLM çağrılarından oluştuğu derin bir ağ gibi katmanlıdır. Takas gecikme ve maliyettir: Her katman çıkarım çağrılarının sayısını çoğaltır, dolayısıyla MoA kaliteyi yükseltmek için daha fazla bilgi işlem harcar.
Aracı Karışımı Toplama konusunda uzmanlaşma
Aracıların Karışımı (MoA), birkaç dil modelinin yanıtları tasarladığı ve ardından bir toplayıcı modelin en iyi fikirlerini tek bir gelişmiş yanıtta birleştirdiği bir tekniktir. Açık modellerden oluşan bir ekibin tek bir üst düzey modele rakip olmasını veya onu yenmesini sağlar. Aracıların Karışımı Toplama, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil yapay zeka yığınının bir parçasıdır. Derin bir anlayış oluşturmak için, Aracıların Karışımı Toplama işlemini tek bir özellik olarak değil, bir işletim modeli olarak ele alın: arzu edilen sonuçları tanımlayın, varsayımları netleştirin ve sistemin güvenilir bir şekilde yapabileceklerini hâlâ uzman görüşü gerektiren şeylerden ayırın.
Uygulamada, Aracıların Karışımı Toplama tasarımını kullanan güçlü ekipler, tek bir entegre iletişim sistemi olarak döngüleri yönlendirir, alır ve gözden geçirir. Açık başarı kriterlerini belgeliyorlar, gerçekçi verilere ve iş akışlarına göre test ediyorlar ve tek seferlik kıyaslama kazanımları yerine gözlemlenen başarısızlık modellerine dayalı olarak yineleniyorlar. Burası teorik anlayışın ürün, politika ve operasyonlar genelinde dayanıklı yeteneğe dönüştüğü yerdir.
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir. Aynı zamanda Halüsinasyonlu gerçekler sessizce raporlara, destek akışlarına veya araştırma çıktılarına girebilir. En dayanıklı yaklaşım, deneme hızını yönetişim disiplini ile birleştirmektir: pilot uygulamaları çalıştırın, kanıtları toplayın, karar günlüklerini yayınlayın ve model davranışı, kullanıcı beklentileri ve düzenleyici gereksinimler geliştikçe koruma önlemlerini sürekli olarak güncelleyin.
Stratejik Etki
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir.
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Diller ve iletişim tarzları arasında erişimi genişletir.
Diller ve iletişim tarzları arasında erişimi genişletir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Otomasyon tekrarlamayı yönetirken ekipler karar vermeye daha fazla zaman ayırabilir.
Otomasyon tekrarlamayı yönetirken ekipler karar vermeye daha fazla zaman ayırabilir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Gerçek Dünya Uygulaması
Teklif verenler olarak üç farklı açık sohbet modelini birleştirmek, ardından gösterişli bir müşteri desteği yanıtı üretmek için güçlü bir toplayıcı kullanmak.
Yalnızca açık kaynaklı modeller kullanılarak AlpacaEval tarzı kıyaslamalarda talimat takip puanlarının artırılması.
Çeşitli modellerden gelen çeşitli kod önerilerini tek, daha sağlam bir işlev uygulamasında birleştiriyor.
Verilerin bir şirketin sunucularından ayrılamayacağı gizliliğe duyarlı bir dağıtım için sınır kalitesine yaklaşan açık ağırlıklı bir işlem hattının çalıştırılması.
Uygulama Modelleri
Uygulamada Ajanların Karışımı Toplama
Teklif verenler olarak üç farklı açık sohbet modelini birleştirmek, ardından gösterişli bir müşteri desteği yanıtı üretmek için güçlü bir toplayıcı kullanmak.
Teklif verenler olarak üç farklı açık sohbet modelini birleştirmek, ardından tek bir gösterişli müşteri desteği yanıtı üretmek için güçlü bir toplayıcı kullanmak Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Ajanların Karışımı Toplama
Yalnızca açık kaynaklı modeller kullanılarak AlpacaEval tarzı kıyaslamalarda talimat takip puanlarının artırılması.
Yalnızca açık kaynak modelleri kullanarak AlpacaEval tarzı kıyaslamalarda talimatları takip eden puanları artırma Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Ajanların Karışımı Toplama
Çeşitli modellerden gelen çeşitli kod önerilerini tek, daha sağlam bir işlev uygulamasında birleştiriyor.
Çeşitli modellerden gelen çeşitli kod önerilerini tek, daha sağlam bir işlev uygulamasında birleştirme Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Ajanların Karışımı Toplama
Verilerin bir şirketin sunucularından ayrılamayacağı gizliliğe duyarlı bir dağıtım için sınır kalitesine yaklaşan açık ağırlıklı bir işlem hattının çalıştırılması.
Verilerin bir şirketin sunucularından çıkamayacağı gizliliğe duyarlı bir dağıtım için sınır kalitesine yaklaşan açık ağırlıklı bir işlem hattı çalıştırmak Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Riskler ve Korkuluklar
Halüsinasyonlu gerçekler sessizce raporlara, destek akışlarına veya araştırma çıktılarına girebilir.
İstem hassasiyeti, benzer istekler arasında tutarsız sonuçlar yaratabilir.
Erişim kontrolleri zayıfsa hassas metin verileri açığa çıkabilir.
Uygulama Yol Haritası
Kullanıma sunmadan önce çıktı formatını, tonunu ve kalite standartlarını tanımlayın.
Kullanıma sunmadan önce çıktı formatını, tonunu ve kalite standartlarını tanımlayın. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Doğruluğun önemli olduğu durumlarda güvenilir kaynaklarla zemin müdahaleleri.
Doğruluğun önemli olduğu durumlarda güvenilir kaynaklarla zemin müdahaleleri. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Yüksek riskli çıktılar için insan incelemesi kontrol noktası bulundurun.
Yüksek riskli çıktılar için insan incelemesi kontrol noktası bulundurun. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Arıza modellerini takip edin ve istemleri veya iş akışlarını düzenli olarak yeniden eğitin.
Arıza modellerini takip edin ve istemleri veya iş akışlarını düzenli olarak yeniden eğitin. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.