Tổng quan
Hỗn hợp các tác nhân (MoA) là một kỹ thuật trong đó một số mô hình ngôn ngữ soạn thảo câu trả lời và sau đó mô hình tổng hợp kết hợp các ý tưởng tốt nhất của họ thành một câu trả lời được cải tiến. Nó cho phép một nhóm gồm các mô hình mở cạnh tranh hoặc đánh bại một mô hình cấp cao nhất.
Tập hợp hỗn hợp các tác nhân là một phần của ngăn xếp ngôn ngữ-AI được sử dụng để đọc, tạo, phân loại và chuyển đổi văn bản và giọng nói trên quy mô lớn.
Lặn sâu
Được giới thiệu trong một bài báo năm 2024 của Together AI, Mixture-of-Agents tổ chức nhiều LLM thành các lớp. Trong lớp đầu tiên, một số mô hình 'người đề xuất', mỗi mô hình sẽ trả lời lời nhắc một cách độc lập. Sau đó, đầu ra của chúng được nối và chuyển sang lớp tiếp theo, nơi các mô hình sẽ phản hồi lại, hiện được điều chỉnh dựa trên tất cả các bản nháp trước đó. Sau một hoặc nhiều vòng như vậy, mô hình 'tổng hợp' cuối cùng sẽ tổng hợp mọi thứ thành một câu trả lời duy nhất. Cái nhìn sâu sắc cốt lõi, mà các tác giả gọi là 'tính cộng tác của LLM', là các mô hình tạo ra phản hồi tốt hơn khi được hiển thị câu trả lời của các đồng nghiệp, ngay cả những câu trả lời không hoàn hảo. Trên điểm chuẩn AlpacaEval 2.0, một MoA được xây dựng hoàn toàn từ các mô hình nguồn mở được cho là đã vượt qua điểm số của GPT-4 Omni, chứng tỏ rằng việc tổng hợp cẩn thận các mô hình đa dạng, rẻ hơn có thể đánh bại một hệ thống biên giới duy nhất.
Hiểu biết kỹ thuật
MoA khác với bỏ phiếu đa số đơn giản: thay vì chọn một câu trả lời, trình tổng hợp sẽ đọc tất cả các câu trả lời của ứng viên dưới dạng ngữ cảnh và tạo ra một bản tổng hợp mới, kết hợp các điểm mạnh và lọc lỗi. Sự đa dạng giữa những người đề xuất sẽ giúp ích, vì vậy việc kết hợp các nhóm mô hình khác nhau là rất có giá trị. Cấu trúc được phân lớp, giống như một mạng sâu trong đó các 'nơ-ron' của mỗi lớp là toàn bộ lệnh gọi LLM. Sự đánh đổi là độ trễ và chi phí: mỗi lớp nhân số lượng lệnh gọi suy luận, do đó MoA dành nhiều điện toán hơn để nâng cao chất lượng.
Làm chủ việc tổng hợp hỗn hợp các tác nhân
Hỗn hợp các tác nhân (MoA) là một kỹ thuật trong đó một số mô hình ngôn ngữ soạn thảo câu trả lời và sau đó mô hình tổng hợp kết hợp các ý tưởng tốt nhất của họ thành một câu trả lời được cải tiến. Nó cho phép một nhóm gồm các mô hình mở cạnh tranh hoặc đánh bại một mô hình cấp cao nhất. Tập hợp hỗn hợp các tác nhân là một phần của ngăn xếp ngôn ngữ-AI được sử dụng để đọc, tạo, phân loại và chuyển đổi văn bản và giọng nói trên quy mô lớn. Để xây dựng sự hiểu biết sâu sắc, hãy coi Tập hợp hỗn hợp các tác nhân như một mô hình hoạt động chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng các lời nhắc, vòng lặp truy xuất và xem xét của Tổng hợp hỗn hợp tác nhân như một hệ thống liên lạc tích hợp. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán. Đồng thời, các sự kiện ảo giác có thể âm thầm đưa vào các báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Kết hợp ba mô hình trò chuyện mở khác nhau làm người đề xuất, sau đó sử dụng công cụ tổng hợp mạnh mẽ để tạo ra một câu trả lời hỗ trợ khách hàng tinh tế.
Tăng điểm theo hướng dẫn trên các điểm chuẩn kiểu AlpacaEval chỉ sử dụng các mô hình nguồn mở.
Kết hợp các đề xuất mã đa dạng từ một số mô hình thành một triển khai chức năng duy nhất, mạnh mẽ hơn.
Chạy một quy trình trọng lượng mở đạt chất lượng vượt trội để triển khai chú trọng đến quyền riêng tư trong đó dữ liệu không thể rời khỏi máy chủ của công ty.
Các mẫu triển khai
Tập hợp hỗn hợp các tác nhân trong thực tế
Kết hợp ba mô hình trò chuyện mở khác nhau làm người đề xuất, sau đó sử dụng công cụ tổng hợp mạnh mẽ để tạo ra một câu trả lời hỗ trợ khách hàng tinh tế.
Kết hợp ba mô hình trò chuyện mở khác nhau làm người đề xuất, sau đó sử dụng công cụ tổng hợp mạnh để tạo ra một câu trả lời hỗ trợ khách hàng tinh tế. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tập hợp hỗn hợp các tác nhân trong thực tế
Tăng điểm theo hướng dẫn trên các điểm chuẩn kiểu AlpacaEval chỉ sử dụng các mô hình nguồn mở.
Tăng điểm số theo hướng dẫn trên các điểm chuẩn kiểu AlpacaEval chỉ sử dụng các mô hình nguồn mở Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tập hợp hỗn hợp các tác nhân trong thực tế
Kết hợp các đề xuất mã đa dạng từ một số mô hình thành một triển khai chức năng duy nhất, mạnh mẽ hơn.
Kết hợp các đề xuất mã đa dạng từ nhiều mô hình vào một triển khai chức năng duy nhất, mạnh mẽ hơn Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tập hợp hỗn hợp các tác nhân trong thực tế
Chạy một quy trình trọng lượng mở đạt chất lượng vượt trội để triển khai chú trọng đến quyền riêng tư trong đó dữ liệu không thể rời khỏi máy chủ của công ty.
Chạy một quy trình trọng lượng mở tiếp cận chất lượng hàng đầu để triển khai nhạy cảm với quyền riêng tư trong đó dữ liệu không thể rời khỏi máy chủ của công ty. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.