devils advocate

Адвокат дьявола

Простая, но супер эффективная структура вывода LLM для планирования и уточнения.

Как это работает

Две модели LLM вызваны различными ролями

1. Спрашивающий, он же адвокат дьявола
2. Убедитель

Учитывая задачу для решения, убедитель старается убедить спрашивающего согласиться с предлагающим решением. С другой стороны, спрашивающий пытается найти логические несоответствия и лазейки в предложении убедителя и задает подробные вопросы. Чат между убеждением и спрашиванием продолжается до тех пор, пока спрашивающий "не согласен" с убеждением.

В результате LLM в конечном итоге обеспечивает очень подробный план по решению задачи.

Как его использовать

1. Клонировать репозиторий

2. Убедитесь, что у вас установлена ​​последняя библиотека Openai. pip install -U openai

3. Прикрепите свой ключ API OpenAI в коде devil_advocate.py .

4. Измените файл task.txt . Текущий файл задачи.

5. Запустить с помощью python devil_advocate.py

Дальнейшие мысли

Это резонирует с условной генеративной состязательной сетью и состоянием парадигм самообытки искусства (BYOL, DINOV2 и т. Д.). Эти парадигмы эмпирически обнаружили, что оптимизация с помощью головы против «асимметричных» моделей обеспечивает более мелкозернистые, надежные контекстные представления. С дальнейшими исследованиями мне интересно, будут ли структуры вывода LLM создавать те же результаты.

Надеемся, что этот репозиторий сможет расширить эту идею и сделать несколько супер крутых открытий!

Отказ от ответственности

Это большая часть работы. Но я хотел поделиться своими идеями и простым кодом для всех вас, чтобы попробовать их. Это очень просто, но удивительно эффективно.

• Протестировано на Openai GPT 4 и 3,5 Turbo.