DeepMind 推出 LATM 框架，可令 GPT-4 自己生成軟件工具處理任務(wù)

　　5 月 31 日消息，DeepMind、普林斯頓大學(xué)和斯坦福大學(xué)的研究人員近日提出了一項(xiàng)名為 LATM(LLMs As Tool Makers)的創(chuàng)新框架，該框架可以將像 GPT-4 這樣的大型語言模型轉(zhuǎn)變?yōu)楣ぞ咧圃煺?IT之家注：即讓模型自己生成軟件工具來處理新任務(wù))。

　　LATM 的創(chuàng)新之處在于它為語言模型引入了工具制造和使用的概念，使得模型能夠自主創(chuàng)建適用于不同任務(wù)的工具。這一框架不僅能夠提高模型的靈活性和適應(yīng)性，還能夠?yàn)樯�成�?AI 提供更加高效和經(jīng)濟(jì)的解決方案。該框架主要包含以下兩個關(guān)鍵部分：

　　工具制造：作為工具制造者，LLM 專門為特定任務(wù)設(shè)計(jì)軟件工具，這些工具以 Python 函數(shù)的形式實(shí)現(xiàn)。

　　工具使用：另一個 LLM 作為工具使用者，可以調(diào)用這些軟件工具來處理新的請求。

　　這種設(shè)計(jì)可以讓 LATM 能夠?qū)⑷蝿?wù)分配給最適合的 LLM，將需要具備高強(qiáng)度算力才能實(shí)現(xiàn)的工具制造過程可以分配給功能強(qiáng)大、資源密集型的模型，例如 GPT-4;而將相對簡單的使用工具過程分配給輕量級、經(jīng)濟(jì)高效的模型，例如 GPT-3.5 Turbo。這種方法不僅增強(qiáng)了 LLM 解決問題的能力，而且可以顯著降低處理一系列任務(wù)的平均計(jì)算成本，以最大程度提升框架效率。

　　實(shí)驗(yàn)結(jié)果驗(yàn)證了 LATM 在復(fù)雜推理任務(wù)上的有效性。研究人員發(fā)現(xiàn)，LATM 能夠達(dá)到與資源密集型模型相當(dāng)?shù)男阅�，并具有更高的成本效益。這一大型語言模型方法仿照了人類創(chuàng)造和使用工具的進(jìn)化過程，可促進(jìn)大型語言模型生成工具的發(fā)展。

　　研究人員認(rèn)為，LATM 將為自然語言處理領(lǐng)域帶來重大的突破，并在實(shí)際應(yīng)用中發(fā)揮重要作用，這一創(chuàng)新可高效提升生成式 AI 的效率，以加速促進(jìn)自然語言處理和人工智能領(lǐng)域的發(fā)展。