اگرچه مدلهای زبانی چند بعدی ، مانند محصول GPT-4 از AI باز ، بسیار قادر به درک متون پیچیده و پاسخ به سؤالات مفهومی هستند ، اما این مدل ها گاهی در پاسخ به ساده ترین موضوعات ریاضی مانند مقایسه اشتباه می کنند. دلیل اصلی این مدل تکیه بر استدلال است. به منظور حل این مشکل ، محققان انستیتوی فناوری ماساچوست (MIT) یک دستیار هوشمند را طراحی کردند که می تواند نقش مربی را برای مدلهای بزرگ LLMS ایفا کند و هنگام حل مشکلات پیچیده ، چه موقع استفاده و استفاده از متن ، آموزش دهد.
مربیان انسانی الهام بخش
براساس روزنامه ایران ، Codesteer از نقش مربی در ورزش و شکل انسانی الهام گرفته است. همانطور که یک مربی می تواند ضعیف تر از ورزشکار باشد ، او می تواند عملکرد این ورزشکار را با پیشنهادات دقیق توسعه دهد و این دستیار هوشمند می تواند مدلهای زبان قدرتمند را در جهت درست هدایت کند.
“ما یک روش مکمل برای بهبود ظرفیت مدل های هوش مصنوعی ، به جای توسعه مداوم مدلهایی که همه چیز را به تنهایی می سازد ، انتخاب کردیم.” این دستیار هوشمند در واقع یک مدل زبان کوچک و سبک تر است که با مدل های بزرگ کار می کند و می پذیرد که بهتر است پس از بررسی سؤال ورود ، به متن یا برنامه نویسی پاسخ دهید. سپس مدل زبان بزرگ را با یک دستور خاص به روش مناسب هدایت می کند.
وی پس از اجرای سفارش ، یک مدل زبان بزرگ تولید می کند و به این دستیاران هوشمند باز می گردد. اگر جواب صحیح نباشد ، Codesteer گام به گام راهنمایی جدیدی را ارائه می دهد. به عنوان مثال ، استفاده از الگوریتم جستجو یا محدودیت های خاص در برنامه نویسی را توصیه می کند. این آخرین پاسخ تا زمانی که صحیح باشد ادامه خواهد یافت. به گفته استادیار ، مدلهای بزرگ اغلب تمایل به کار با کوتاهترین و ساده ترین روش دارند ، گاهی اوقات منجر به خطا می شوند و Codeseer عملاً برای جلوگیری از تنبلی طراحی شده است. “
دقت عملکرد را از ریاضیات به سودوکو افزایش دهید
محققان در نهایت سؤالات پیچیده ای در مورد استدلال فضا ، ریاضیات و منطق دارند و صحت مدل های زبان از 4.9 درصد به 4.9 درصد افزایش یافته است.
“موفقیت در آموزش یک مدل زبان کوچک که مدلهای بزرگتر را راهنمایی می کند ، یک گام انعطاف پذیر و قابل اعتماد تر در دنیای واقعی است و می تواند توانایی مدلها را برای آموزش بدون آموزش دوباره افزایش دهد.
یونگچا چن ، یکی دیگر از اعضای تیم تحقیق ، می گوید: “ما به مردم الهام بخشیم که بهترین تصمیم را بگیرند.” مدل های بزرگ تمایل به حرکت در کوتاه ترین و ساده ترین روش ، حتی اگر اشتباه باشد ، و Codeseer برای جلوگیری از این غفلت طراحی شده است. این دستیار هوشمند از یک سیستم ارزیابی کد استفاده می کند و اگر کد بسیار ساده یا ناکارآمد است ، سیگنال را برای رفع آن ارسال می کند. بررسی داخلی همچنین به الگوی زبان برای تأیید صحت پاسخ با انجام یک کد جداگانه می گوید.