Share
Sign In
Razonamiento y herramientas automatizados (ART): simplificación de la resolución de problemas complejos
ART (Automatic Reasoning and Tool-use) es un nuevo método para mejorar las capacidades de los modelos de lenguaje (LM) para tareas complejas, según el estudio <ART: Automatic multi-step Reasoning and Tool-use for Large Language Models> de Bhargavi. Paranjape en 2023. Este es el método sugerido a través de .
ART tiene el siguiente proceso de progresión.
•
Selección de tareas: ART selecciona tareas relevantes de una biblioteca de tareas que contiene demostraciones para una variedad de tareas.
•
Integración de herramientas: llame a herramientas externas cuando sea necesario e integre su salida para reanudar el proceso de inferencia.
•
Generalización inmediata: ART utiliza demostraciones para dividir nuevas tareas y aprender a utilizar las herramientas de forma adecuada.
•
Comentarios humanos: los usuarios pueden mejorar el rendimiento de ART modificando la biblioteca de tareas o agregando nuevas herramientas.
Ejemplo rápido
"Hector가 수평선 위로 35도 각도로 72.0 N 힘으로 체인을 당깁니다. 이 힘의 수평 구성 요소를 결정하십시오."Procesamiento rápido:
1.
Buscar: realice una búsqueda de "¿Cuál es la fórmula para el componente horizontal?"
2.
Generación de código: genere código Python para resolver un problema usando la fórmula "Fx = Ftens * coseno(θ)"
3.
Ejecución de código: ejecute el código generado para derivar el valor "Fx"
4.
Resultado: valor "Fx" calculado como 58,9789
Cómo aplicar y utilizar ART
•
Biblioteca de tareas: ART utiliza una biblioteca de tareas que contiene programas de demostración para una variedad de tareas.
•
Biblioteca de herramientas: llama a las herramientas externas que necesita (por ejemplo, búsqueda, generación de código y ejecución) para integrar los resultados en su programa.
•
Construir indicaciones: ART utiliza demostraciones de tareas relacionadas para construir indicaciones para nuevas tareas.
•
Inferencia automatizada: ART descompone una tarea en pasos y utiliza las herramientas necesarias para recopilar información y hacer inferencias en cada paso.
•
Comentarios humanos: los usuarios pueden mejorar el rendimiento de ART modificando la biblioteca de tareas o agregando nuevas herramientas.
Comparación con Cadena de Pensamiento (CoT):
•
CoT: CoT es un método para generar procesos de razonamiento paso a paso en lenguaje natural para razonamientos complejos.
•
ART: ART amplía el enfoque de CoT para incluir el uso de herramientas externas (por ejemplo, búsqueda, ejecución de código) cuando sea necesario. Esto proporciona información adicional y potencia computacional al proceso de inferencia.
ⓒ 2023. Haebom, todos los derechos reservados.
Se indica la fuente y puede utilizarse con fines comerciales con el permiso del titular de los derechos de autor.
