ٹولفارمر اور خود سکھائے گئے ٹول کا استعمال
ٹولفارمر ایک 2023 Meta AI طریقہ ہے جو ایک زبان کے ماڈل کو خود کو سکھانے دیتا ہے کہ بیرونی ٹولز جیسے کیلکولیٹر، سرچ انجن اور مترجم کو کب اور کیسے کال کرنا ہے۔
جائزہ
Instead of humans labeling tool calls, the model generates and filters its own training examples, then fine-tunes on the ones that actually help.
گہرا غوطہ
ٹولفارمر، Schick et al سے۔ Meta AI پر، ایک تضاد سے نمٹتا ہے: بڑے ماڈلز زبان میں بہت اچھے ہوتے ہیں لیکن ریاضی، تازہ حقائق اور درست تلاش میں خراب ہوتے ہیں۔ ٹریننگ لوپ خود زیر نگرانی ہے۔ ماڈل کو مٹھی بھر انسانی تحریری مثالیں دی گئی ہیں جن میں API-کال نحو کو دکھایا گیا ہے، پھر ایک بڑے ٹیکسٹ کارپس میں کئی پوزیشنوں پر امیدوار کالز (خصوصی ٹوکن میں لپیٹے ہوئے) داخل کرنے کا اشارہ کیا گیا ہے۔ ہر امیدوار کی کال درحقیقت عمل میں لائی جاتی ہے، اور نتیجہ الگ کیا جاتا ہے۔ کلیدی فلٹرنگ مرحلہ ٹول کال کو صرف اسی صورت میں رکھتا ہے جب API کا نتیجہ آنے والے حقیقی متن پر ماڈل کی پریشانی کو کال نہ کرنے، یا مختلف طریقے سے کال کرنے سے زیادہ کم کرتا ہے۔ اس کے بعد ماڈل کو اس فلٹر شدہ، خود سے تیار کردہ ڈیٹاسیٹ پر ٹھیک بنایا جاتا ہے، جس میں پانچ ٹولز کو استعمال کرنا سیکھا جاتا ہے: ایک کیلکولیٹر، ایک QA سسٹم، ایک سرچ انجن، ایک مترجم، اور ایک کیلنڈر۔
تکنیکی بصیرت
فیصلہ کن خیال خود زیر نگرانی فلٹرنگ کا مقصد ہے۔ ہر امیدوار کی پوزیشن کے لیے، Toolformer مندرجہ ذیل ٹوکنز کی پیشین گوئی کے نقصان کا موازنہ بغیر داخل کیے گئے API کے نتیجے سے کرتا ہے۔ ایک حد سے زیادہ نقصان کو کم کرنے والی کالیں برقرار رہتی ہیں۔ بیکار یا شور والی کالوں کو مسترد کر دیا جاتا ہے۔ اس کا مطلب ہے کہ 'صحیح' ٹول کے استعمال کی کسی انسانی تشریح کی ضرورت نہیں ہے، ماڈل خود فیصلہ کرتا ہے کہ کون سی کالیں حقیقی طور پر معلوماتی تھیں، اور یہ مشترکہ طور پر جگہ کا تعین اور دلائل سیکھتا ہے۔
اسٹریٹجک اثر
لاگت اور بجٹ
فن تعمیر کے فیصلے سالوں تک کارکردگی اور آپریٹنگ لاگت کو آگے بڑھاتے ہیں۔
واضح فیصلے
تکنیکی تعلیم ٹیموں کو صحیح اسٹیک منتخب کرنے میں مدد کرتی ہے، نہ صرف جدید ترین۔
کوالٹی کنٹرول
انجینئرنگ کے بہتر انتخاب پیداوار میں قابل اعتماد واقعات کو کم کرتے ہیں۔
ٹولفارمر اور خود سکھائے گئے ٹول کے استعمال کا مستقبل
ٹولفارمر نے آج کے ٹول استعمال کرنے والے اور فنکشن کالنگ ایجنٹس کو سیڈ کیا۔ فرنٹیئر رن ٹائم کے وقت دریافت ہونے والے مٹھی بھر ٹولز سے درجنوں یا سینکڑوں کی طرف بڑھ رہا ہے، جس میں ماڈلز یہ استدلال کرتے ہیں کہ کس ٹول کو کال کرنا ہے، کالوں کو زنجیر بنانا، اور ناکامیوں کو ہینڈل کرنا ہے۔ کمک سیکھنے اور ایجنٹ لوپس کے ساتھ سخت انضمام کی توقع کریں، نیز نئے APIs کی فلائی سیکھنے کے ساتھ، تاکہ خود سکھائے جانے والے ٹول کا استعمال ایک مخصوص فائن ٹیون کی بجائے معیاری صلاحیت بن جائے۔
حقیقی دنیا کا نفاذ
عددی جواب کا اندازہ لگانے کے بجائے عین ریاضی حاصل کرنے کے لیے کیلکولیٹر API کے وسط جملے کو کال کرنا۔
تازہ ترین یا شاذ و نادر ہی دیکھی جانے والی حقائق پر مبنی معلومات حاصل کرنے کے لیے تلاش یا QA سسٹم سے استفسار کرنا۔
تیار کردہ متن کے اندر کسی فقرے کو دوسری زبان میں رینڈر کرنے کے لیے مشین ٹرانسلیشن ٹول کا استعمال کرنا۔
کیلنڈر/تاریخ کے ٹول کا استعمال کرتے ہوئے متعلقہ حوالہ جات جیسے 'اگلے جمعہ' کو ٹھوس تاریخ تک حل کرنا۔
خطرات اور گارڈریلز
ایک بینچ مارک کو بہتر بنانا نظام کی وسیع تر کمزوریوں کو چھپا سکتا ہے۔
بنیادی ڈھانچے اور دیکھ بھال کے اخراجات کو اکثر کم سمجھا جاتا ہے۔
سیکورٹی اور مشاہداتی فرق بڑھ سکتا ہے کیونکہ نظام زیادہ پیچیدہ ہو جاتا ہے۔
نفاذ کا روڈ میپ
نفاذ سے پہلے تاخیر، معیار اور لاگت کے اہداف کی وضاحت کریں۔
حقیقت پسندانہ بوجھ اور ڈیٹا کی شرائط کے تحت بینچ مارک۔
غلطیوں، بڑھے ہوئے، اور صارف کے اثرات کے لیے آلے کی نگرانی۔
اسکیلنگ سے پہلے رول بیک اور واقعہ کے ردعمل کے راستے تیار کریں۔
دریافت کرتے رہیں
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 Toolformer and Self-Taught Tool Use 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
اگلا گائیڈ
ایجنٹ لوپس میں خود کی عکاسی
اکثر پوچھے گئے سوالات
What is Toolformer and Self-Taught Tool Use?
ٹولفارمر ایک 2023 Meta AI طریقہ ہے جو ایک زبان کے ماڈل کو خود کو سکھانے دیتا ہے کہ بیرونی ٹولز جیسے کیلکولیٹر، سرچ انجن اور مترجم کو کب اور کیسے کال کرنا ہے۔ انسانوں کے ٹول کالز کو لیبل کرنے کے بجائے، ماڈل اپنی تربیتی مثالیں تیار اور فلٹر کرتا ہے، پھر ان پر ٹھیک ٹیون جو حقیقت میں مدد کرتے ہیں۔
ٹولفارمر کے سیکھنے کے آلے کے استعمال کے نقطہ نظر کو کیا چیز مخصوص بناتی ہے؟
ٹولفارمر خود زیر نگرانی ہے: ماڈل امیدوار API کالوں کی تجویز پیش کرتا ہے، ان پر عمل درآمد کرتا ہے، اور صحیح استعمال کی انسانی تشریح کے بغیر، صرف مددگار ہی رکھتا ہے۔
ٹولفارمر یہ فیصلہ کرنے کے لیے کون سا معیار استعمال کرتا ہے کہ آیا امیدوار API کال رکھنا ہے؟
کال کو صرف اسی صورت میں برقرار رکھا جاتا ہے جب اس کا نتیجہ داخل کرنے سے ماڈل کی پریشانی/نقصان آنے والے حقیقی متن پر حد سے آگے کم ہو جاتا ہے، جس سے ظاہر ہوتا ہے کہ یہ حقیقی طور پر مفید تھا۔
اصل ٹولفارمر نے کون سے ٹولز کا استعمال کرنا سیکھا؟
ٹولفارمر کو پانچ APIs کو استعمال کرنے کی تربیت دی گئی تھی: ایک کیلکولیٹر، ایک سوال جواب دینے کا نظام، ایک سرچ انجن، ایک مشین ٹرانسلیٹر، اور ایک کیلنڈر۔
ٹولفارمر کے عمل کے دوران ٹیکسٹ میں ٹول کالز کی نمائندگی کیسے کی جاتی ہے؟
امیدواروں کی کالز اور ان کے واپس آنے والے نتائج کو خصوصی ٹوکنز کا استعمال کرتے ہوئے متن میں ان لائن داخل کیا جاتا ہے، لہذا ماڈل جگہ کا تعین اور دلائل ایک ساتھ سیکھتا ہے۔
بڑے زبان کے ماڈلز کی بنیادی کمزوری نے ٹولفارمر کو متحرک کیا؟
مضبوط زبان کی مہارت کے باوجود، LLM درست ریاضی، تازہ ترین حقائق، اور درست معلومات کی بازیافت کے ساتھ جدوجہد کرتے ہیں، جسے بیرونی ٹولز فراہم کر سکتے ہیں۔