ChatGPT自己选模型!浙大微软亚研院新论文,HuggingGPT项目开源
编辑:桃子 Britta 【新智元导读】「贾维斯」已来!微软亚研院联手浙大推出了一个大模型协作系统HuggingGPT,让ChatGPT协调HF社区模型,处理各种多模态任务能力超强。
ChatGPT引爆的AI热潮也「烧到了」金融圈。
近来,彭博社的研究人员也开发了一个金融领域的GPT——Bloomberg GPT,有500亿参数。
GPT-4的横空出世,让许多人浅尝到了大型语言模型的强大能力。
然而,OpenAI不open。业界许多人纷纷开始做GPT的克隆,而且许多ChatGPT平替的模型都是基于已经开源的模型上构建,尤其是Meta开源的LLMa模型。
比如,斯坦福的草泥马(Alpaca)、斯坦福联手CMU、UC伯克利骆马(Vicuna),初创公司Databricks的Dolly等等。
针对不同任务和应用构建的各种类ChatGPT的大型语言模型,在整个领域呈现出百家争鸣之势。
那么问题来了,研究者如何选择合适的模型,甚至是多个模型,去完成一项复杂的任务呢?
近日,微软亚洲研究院联手浙江大学的研究团队,发布了一个大模型协作系统HuggingGPT。
论文地址:https://arxiv.org/pdf/2303.17580.pdf
HuggingGPT利用ChatGPT作为控制器,连接HuggingFace社区中的各种AI模型,来完成多模态复杂任务。
这意味着,你将拥有一种超魔法,通过HuggingGPT,便可拥有多模态能力,文生图、文生视频、语音全能拿捏了。
HuggingGPT搭桥
研究者指出解决大型语言模型(LLMs)当前的问题,可能是迈向AGI的第一步,也是关键的一步。
因为当前大型语言模型的技术仍然存在着一些缺陷,因此在构建 AGI 系统的道路上面临着一些紧迫的挑战。
- 受限于文本生成的输入和输出形式,当前LLMs缺乏处理复杂信息(如视觉和语音)的能力;
- 在实际应用场景中,一些复杂任务通常由多个子任务组成,因此需要多个模型的调度和协作,这也超出了语言模型的能力范围;
- 对于一些具有挑战性的任务,LLMs在零样本或少样本设置下表现出优异的结果,但它们仍然比一些专家弱(如微调模型)。
为了处理复杂的人工智能任务,LLMs应该能够与外部模型协调,以利用它们的能力。因此,关键点在于如何选择合适的中间件来桥接LLMs和AI模型。
研究者发现,每个AI模型都可以通过总结其模型功能表示为一种语言形式。
由此,便引入了一个概念,「语言是LLMs,即ChatGPT,连接人工智能模型的通用接口」。
通过将AI模型描述纳入提示中,ChatGPT可以被视为管理人工智能模型的大脑。因此,这一方法可以让ChatGPT能够调用外部模型,来解决实际任务。
简单来讲,HuggingGPT是一个协作系统,并非是大模型。
它的作用就是连接ChatGPT和HuggingFace,进而处理不同模态的输入,并解决众多复杂的人工智能任务。
所以,HuggingFace社区中的每个AI模型,在HuggingGPT库中都有相应的模型描述,并将其融合到提示中以建立与ChatGPT的连接。
随后,HuggingGPT将ChatGPT作为大脑来确定问题的答案。
到目前为止,HuggingGPT已经围绕ChatGPT在HuggingFace上集成了数百个模型,涵盖了文本分类、目标检测、语义分割、图像生成、问答、文本到语音、文本到视频等24个任务。
实验结果证明,HuggingGPT拥有处理多模态信息和复杂人工智能任务的能力。
四步工作流程
HuggingGPT整个工作流程可以分为如下四个阶段:
- 任务规划:ChatGPT解析用户请求,将其分解为多个任务,并根据其知识规划任务顺序和依赖关系
- 模型选择:LLM根据HuggingFace中的模型描述将解析后的任务分配给专家模型
- 任务执行:专家模型在推理端点上执行分配的任务,并将执行信息和推理结果记录到LLM中
- 响应生成:LLM总结执行过程日志和推理结果,并将摘要返回给用户
多模态能力,有了
实验设置
实验中,研究者采用了gpt-3.5-turbo和text-davinci-003这两种GPT模型的变体作为大型语言模型(LLMs),这些模型可以通过OpenAI API公开访问。
为了使LLM的输出更加稳定,我们将解码温度设置为0。
同时,为了调整LLM的输出以使其符合预期格式,我们在格式约束上设置了logit_bias为0.1。
研究人员在如下表格中提供了为任务规划、模型选择和反应生成阶段而设计的详细提示,其中{{variable}}表示在提示被输入LLM之前,需要用相应的文本填充域值。
研究人员在广泛的多模态任务上测试了HuggingGPT。
在ChatGP和专家模型的配合下,HuggingGPT可以解决语言、图像、音频和视频等多种模式的任务,包含了检测、生成、分类和问题回答等多种形式的任务。
虽然这些任务看起来很简单,但掌握HuggingGPT的基本能力是解决复杂任务的前提条件。
比如,视觉问答任务:
文本生成:
文生图:
HuggingGPT可以整合多个输入的内容来进行简单的推理。可以发现,即使有多个任务资源,HuggingGPT也能将主要任务分解成多个基本任务,最后整合多个模型的推理结果,得到正确答案。
此外,研究人员通过测试评估了HuggingGPT在复杂任务情况下的有效性。
就HuggingGPT处理多项复杂任务的能力进行了展示。
当处理多个请求的时候,可能包含多个隐含任务或者需要等多方面的信息,这时依靠一个专家模型来解决是不够的。
而HuggingGPT可以通过任务规划组织多个模型的协作。
一个用户请求中可能明确包含多个任务:
下图展示了HuggingGPT在多轮对话场景下应对复杂任务的能力。
用户将一个复杂的请求分成几个步骤,通过多轮请求达到最终目标。结果发现,HuggingGPT可以通过任务规划阶段的对话情境管理来跟踪用户请求的情境状态,并且可以很好地解决用户提到的请求资源以及任务规划。
「贾维斯」开源
目前,这一项目已经在GitHub上开源,但是代码并没有完全公布。
有趣的是,研究者给这个项目命名为《钢铁侠》中的贾维斯,无敌AI这就来了。
JARVIS:一个连接LLMs和ML社区的系统
顺便提一句,HuggingGPT需要有了OpenAI的API才可以使用。
网友:研究的未来
JARVIS / HuggingGPT就像此前Meta提出的Toolformer一样,都在充当着连接器的作用。
甚至,包括ChatGPT plugins也是如此。
网友称,「我强烈怀疑第一个人工通用智能(AGI)的出现将比预期更早。它将依靠「胶水」人工智能,能够智能地将一系列狭义人工智能和实用工具粘合在一起。
我获得了访问ChatGPT的Wolfram插件的权限,这使它一夜之间从数学菜鸡变成了数学天才。当然,这只是一个小步骤,但却预示着未来的发展趋势。
我预测,在接下来的一年左右,我们将看到一种人工智能助手,它与数十个大型语言模型(LLMs)及类似工具相连,而终端用户只需向其助手发出指令,让其为他们完成任务。这个科幻般的时刻即将到来。
还有网友称,这就是未来的研究方法。
GPT在一大堆工具面前,知道如何使用它们了。
参考资料:
https://twitter.com/johnjnay/status/1641609645713129473
https://news.ycombinator.com/item?id=35390153
湖北产妇诞下奇特双胞胎,孩子竟分不清性别!文锦绣人物编辑锦绣人物湖北一孕妇产下一对双胞胎,这本是一件当头喜事,但是夫妻二人却为此愁眉苦脸!看着襁褓中的两个孩子,母亲更是整日以泪洗面,同病房的产妇,甚至是自己亲人也对两人指指
阳后,一些真实的感受闺女从学校回来第二天,试剂测试,就成了中队长,照顾的责任肯定就落在我的身上,我没有戴口罩远离孩子,也没让孩子戴口罩,因为我不想和孩子有距离感,毕竟孩子才十岁,万一分不清我是科学防控
利用希腊字母重新认识英语和数理化一个既没有学过英语,也没有学过汉语的孩子,肯定会发现记忆英语单词atom要比记忆原子容易得多。天大的好消息是,认识英语的atom,也就等于已经实际上掌握希腊语拉丁语俄语乌克兰语法语
头晕反复,小心是癫痫在作祟9岁的女孩悦悦(化名)活泼,健康,从小连感冒都很少发生。但是,今年悦悦的身体却突然出现了问题。开始她经常头晕,有时在家里写着作业,就感到天旋地转,站都站不住。开始悦悦家长以为只是学
带你看祖国的大美河山江河湖海,日夜奔腾是祖国汩汩的血液五岳山川,巍巍耸立是祖国不屈的脊梁万里长城,绵延不绝是祖国伟大与强盛的见证国庆节让我们一起赏祖国大好河山同庆祖国繁荣昌盛云南无量山樱花谷贵州西江千
龙井村的这场茶活动,教你学会品茶泡茶钱江晚报小时新闻记者余雯雯通讯员金晶闾怡清12月17日上午,杭州西湖风景名胜区西湖街道联合西湖龙井茶核心产区商会在龙井村开展展茶村风采活动。西湖龙井茶位列中国十大名茶之首。西湖街道
湖南省植物园的枫叶红了!一大波电影感美图来了走进冬日暖阳的植物园,总会被斑斓夺目的彩叶世界所吸引。枫叶红满天,拂去了冬的寒冷,呈现出一派温暖喜悦的景色。彩叶植物,以其常年丰富的色彩,像四季盛开的花朵一样,极大的丰富了秋冬的层
金牌导游沈国峰文艺范的衢州,一个您值得去的地方日前,衢州邀请专业的旅行社研学机构网红导游等专门设计了名为遇见衢州的4条经典衢州游线,分别是访古韵文脉,践寓学于游,追露营打卡,享健康生活,覆盖了衢州的自然山水历史文脉乡村打卡等不
口感偏酸维生素C含量高,蔬果top10榜单来啦冬季,为增强身体抵抗力在日常生活中人们喜欢吃水果和蔬菜来补充维生素C尤其一些口感偏酸的蔬果,成为了大家的首选但事实上口感偏酸并不是,判断维C的科学方式那常见的维C含量较高的蔬果又有
小吃配方今天分享一下小吃配方什么叫空手套白狼?有一个小哥,搞小吃配方,0成本就做了300多万,那么这300万怎么搞到的,主要是2f方面1做创业导师,就是教别人如何创业,如何布局抖音,如何布
年夜饭必备六道下饭菜,营养丰富颜值高,好吃不贵老少皆宜大家好这里是欢姐美食,爱分享好吃的美食。还有一个月的时间,就到一年一度的春节了,过年聚餐少不了要准备几道好吃的家常菜,今天欢姐整理了六道老少皆宜的下饭菜,营养丰富好吃不贵,颜值高待