Die Studie präsentiert CRAFT, ein Framework zur Erstellung und zum Abruf von Werkzeugen, um Großsprachmodelle für verschiedene Aufgaben und Domänen zu generalisieren.
Der Prozess der Werkzeugerstellung umfasst vier Schritte:
Bei der Inferenz verwendet CRAFT einen Mehrfachansatz zur Werkzeugauswahl, der den Zielprobleme, Funktionsnamen und Beschreibungen berücksichtigt, um relevante Werkzeuge aus der erstellten Werkzeugbasis abzurufen.
Die Experimente auf Aufgaben wie visueller Fragebeantworung, Tabellenverarbeitung und mathematisches Reasoning zeigen, dass CRAFT im Vergleich zu starken Basislinien erhebliche Leistungsverbesserungen erzielt. Weitere Analysen zeigen, dass die Leistung mit der Skalierung der Werkzeugbasis und der Leistungsfähigkeit der Basismodelle weiter zunimmt, und dass jede Komponente von CRAFT zu den Leistungsgewinnen beiträgt. Darüber hinaus weisen die erstellten Werkzeuge eine geringe Komplexität und Atomizität auf, was auf ihre robuste Struktur und Zuverlässigkeit hindeutet.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Lifan Yuan,Y... alle arxiv.org 03-14-2024
https://arxiv.org/pdf/2309.17428.pdfDomande più approfondite