麻省理工學院計算機科學與人工智能實驗研究團隊發(fā)現(xiàn)多個原模型協(xié)同工作要高于單一模型工作效率，多個模型寫作能夠提高大圓模型的事實準確性和推理能力。麻省理工學院計算機科學與人工智能實驗室的團隊9月18日在官網(wǎng)更新了與AI協(xié)作有關(guān)的研究研究，研究表明大語言模型共同協(xié)作要高于單一模型，并且多個模型協(xié)作能夠幫助大圓模型提高推理能力和事實準確性。 麻省理工研究團隊的這項研究是利用多個AI系統(tǒng)協(xié)作對辯論協(xié)商的方式，達成給定問題的最佳答案。大語言模型長期存在的問題之一，就是每一次生成的答案都是不一致的，有可能會存在錯誤或者不準確的推理，新的方式可以允許每個智能體積極的去預估其他智能體的問答，并且根據(jù)集體反饋去完善自己的回答。 這個過程就像是多輪回應生成與批判每一個語言生成給定問題的回答之后進行其他代理反饋從而更新自己的回應，最終多個模型解決方案經(jīng)過統(tǒng)一投票之后達成一致，這一點特別像小組討論，個體努力達成一致并且合理的結(jié)論，這個技術(shù)的優(yōu)點在于能夠無縫銜接現(xiàn)有的模型。因為這個方式是基于生成出的文本，無需明晰內(nèi)部工作原理。研究團隊表示簡化的方式，能夠幫助研究人員與開發(fā)者改進語言模型輸出的事實準確性和一致性。 這項論文首席作者之一表示我們不僅要依賴單一AI模型提供答案，要讓更多的AI智能模型參與其中，因為每一個模型都會帶來獨特的見解，幫助人們?nèi)ソ鉀Q問題，即便是這些模型最開始的回應有可能別簡單或者有一定的錯誤，但是模型會通過審查同行提供的答案進行改進，最終完善回答。