ما وراء سلاسل استدعاءات LLM: التوجيه القابل للتفاضل من أجل نماذج اللغة الكبيرة الفعالة
2025-07-06
تعتمد بنى وكلاء نماذج اللغة الكبيرة (LLM) الحديثة بشكل كبير على سلاسل استدعاءات LLM، مما يؤدي إلى ارتفاع التكاليف، وزيادة زمن الوصول، وضعف قابلية التوسع. يقدم هذا البحث مُوجِّهاً قابلاً للتفاضل يُنمذج اختيار الأدوات كدالة قابلة للتدريب، بدلاً من الاعتماد على نماذج LLM. يتعلم هذا النهج اختيار الأدوات من البيانات من خلال تعلم التعزيز أو الضبط الدقيق الخاضع للإشراف، ويعمل خارج LLM. يتجنب هذا النهج استدعاءات واجهة برمجة التطبيقات الخارجية، ويُحسّن من الثبات والتكوين، ويُقلل التكاليف. تُظهر التجارب أن هذه الطريقة تُقلل التكاليف بشكل كبير، وتحسّن الأداء، وتُوضح سلوك النموذج، مما يُمثل خطوة نحو أنظمة LLM التي تبدو أقل تشابهاً مع سلاسل المُطالبات، وأكثر تشابهاً مع البرامج.
اقرأ المزيد