概述
混合代理 (MoA) 是一種技術，其中多個語言模型起草答案，然後聚合器模型將它們的最佳想法整合到一個改進的回應中。它讓開放模型團隊可以與單一頂級模型競爭或擊敗。
混合代理聚合是語言人工智慧堆疊的一部分，用於大規模讀取、生成、分類和轉換文字和語音。
深入探討
Together AI 在 2024 年發表的一篇論文中介紹了 Mixture-of-Agents，它將多個 LLM 組織成多個層。在第一層中，幾個「提議者」模型各自獨立地回答提示。然後，它們的輸出被連接並傳遞到下一層，模型再次響應，現在以所有先前的草稿為條件。經過一輪或多輪這樣的回合後，最終的「聚合器」模型將所有內容綜合為一個答案。作者稱之為「法學碩士的協作性」的核心見解是，當向同行展示答案時，模型會產生更好的回應，即使是不完美的答案。據報道，在 AlpacaEval 2.0 基準測試中，完全由開源模型構建的 MoA 超過了 GPT-4 Omni 的分數，這表明多種、更便宜的模型的仔細聚合可以擊敗單一前沿系統。
技術洞察
MoA 與簡單多數投票不同：聚合器不是選擇一個答案，而是將所有候選答案作為上下文讀取，並產生新的綜合，融合優勢並過濾錯誤。提議者之間的多樣性會有所幫助，因此混合不同的模型系列很有價值。這個結構是分層的，就像一個深層網絡，其中每一層的「神經元」都是整個 LLM 調用。權衡是延遲和成本：每一層都會增加推理調用的數量，因此 MoA 需要花費更多的計算來提高品質。
掌握混合代理聚合
混合代理 (MoA) 是一種技術，其中多個語言模型起草答案，然後聚合器模型將它們的最佳想法整合到一個改進的回應中。它讓開放模型團隊可以與單一頂級模型競爭或擊敗。混合代理聚合是語言人工智慧堆疊的一部分，用於大規模讀取、生成、分類和轉換文字和語音。為了建立深入的理解，請將混合代理聚合視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用代理混合聚合的強大團隊將提示、檢索和審查循環設計為一個整合的通訊系統。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
語言工作流程可以在不犧牲一致性的情況下更快地移動。同時，幻覺事實可以悄悄地進入報告、支持流程或研究成果。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
語言工作流程可以在不犧牲一致性的情況下更快地移動。
語言工作流程可以在不犧牲一致性的情況下更快地移動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
它擴展了跨語言和溝通方式的訪問。
它擴展了跨語言和溝通方式的訪問。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
結合三種不同的開放聊天模式作為提議者，然後使用強大的聚合器產生一份精美的客戶支援回應。
僅使用開源模型提高 AlpacaEval 式基準測試中的指令遵循分數。
將多個模型的不同程式碼建議融合到一個更強大的函數實作中。
運行開放權重管道，該管道接近隱私敏感部署的前沿質量，其中資料無法離開公司的伺服器。
實施模式
實踐中的混合代理聚合
結合三種不同的開放聊天模式作為提議者，然後使用強大的聚合器產生一份精美的客戶支援回應。
結合三種不同的開放聊天模式作為提議者，然後使用強大的聚合器產生一份完善的客戶支援回應。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的混合代理聚合
僅使用開源模型提高 AlpacaEval 式基準測試中的指令遵循分數。
僅使用開源模型提高 AlpacaEval 式基準上的指令遵循分數 當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的混合代理聚合
將多個模型的不同程式碼建議融合到一個更強大的函數實作中。
將多個模型的不同程式碼建議整合到一個更強大的功能實現中 團隊在預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的混合代理聚合
運行開放權重管道，該管道接近隱私敏感部署的前沿質量，其中資料無法離開公司的伺服器。
運行開放權重管道，以接近隱私敏感部署的前沿質量，其中資料無法離開公司的伺服器。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
幻覺的事實可以悄悄地進入報告、支持流程或研究成果。
及時的敏感性可能會在類似的請求中產生不一致的結果。
如果存取控制薄弱，敏感文字資料可能會暴露。
實施路線圖
在推出之前定義輸出格式、語氣和品質標準。
在推出之前定義輸出格式、語氣和品質標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
當準確性很重要時，請使用可信任來源進行地面回應。
當準確性很重要時，請使用可信任來源進行地面回應。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為高風險輸出保留人工審查檢查點。
為高風險輸出保留人工審查檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤故障模式並定期重新訓練提示或工作流程。
追蹤故障模式並定期重新訓練提示或工作流程。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。