浙大和微软一起搞的大模型协作系统！拥抱GPT：用ChatGPT和它的朋友们来解决人工智能的任务-20页-百度网盘下载
HuggingGPT:在拥抱的脸上与ChatGPT 及其朋友一起解决人工智能任务
摘要
解决不司领域和模式的复杂人工智能任务是迈向高级人工智能的关键一步。
虽然有丰富的人工智能模型可供d使用如果是不同的领域和模式，它们无法处
理复杂的人工智能任务。考虑到大型语言模型(LLM)在语言理解、生成、交
互和推理方面表现出非凡的能力，我们主张LLM 可以充当Ntroller用于管理现
有的人工智能模型，以解决复杂的问题
人工智能任务和语言可以成为增强其能力的通用界面。基于这一理念，我
们提出了HuggingGPT，这是一个利用LLM(例如ChatGPT)连接机器学习社
区(例如Hugging Face)中的各种AI模型的框架，以解决AI任务。具体来
说，我们在收到用户请求时使用ChatGPT进行任务规划，根据HuggingFace
中可用的功能描述选择模型，使用选定的AI模型执行每个子任务，并总结
响应命令执行结果·通过利用ChatGPT强大的语言能力和HuggingFace中
丰富的AI模型，HuggingGPT能够在不同模式和领域涵盖许多复杂的人工智
能任务，并取得令人印象深刻的结果在语言视觉语言和其他具有挑战
性的任务方面，这为先进的人工智能铺平了一条新道路2
1 简单介绍
大型语言模型(LLM[1·2、3、4、5、6，如ChatGPT，引起了两个学术界的极大关注和
行业，由于他们在各种自然语言处理(NLP)任务上的出色表现。基于大规模文本语料库的
大规模预训练和来自人类反馈(RLHF)的强化学习，LLM可以在语言理解、生成、互动和
推理。LLM 的强大能力也推动了许多紧急研究课题(例说，上下文学习[1·7·8]，教学学
习[9·10，11，12]和思想链提示[13，14，15，16])进一步调查LLM的巨大潜力，并为我
们构建先进的人工智能系统带来无限的可能性。
尽管取得了这些巨大成功，但当前的 LLM 技术仍然不完美，并面临一些紧迫的问题正在构
建先进的人工智能系统。我们从以下方面讨论它们:1)仅限于文本生成的输入和输出形式，
当前的 LLM 缺乏处理视觉和语音等复杂信息的能力，无论它们如何r在NLP任务方面取得重
大成就;2)在现实世界中，一些复杂的任务通常由多个子任务组成，因此需要多个模型的
调度与合作，这些模型是 也超出了语言模型的能力;3)对于一些具有挑战性的任务，LLM
在零射中表现出优异的结果
(例如，那些拥抱脸的人，用于解决复杂的人工智能任务。在这个概念中，LLM充当控制
器，管理和组织专家模利的合作。法长首先根据用户请求计可任务列表，然后分司专家德
尔斯完成每项任务。专家执行任务后，LLM会收集结果并回复用户。
或几枪设置，但它们仍然比一些专家弱(例说·微调模型)。如何解决这些问题可能是第一
个也是LLM朝着更先进的人工智能系统迈出了关键一步。
在本文中，我们指出，为了处理复杂的人工智能任务，LLM应该能够与外部模型协调，以
利用其能力。所以，关键是如何选择suitable 中间件来连接LLM和AI模刑之间的联系。为
了解决这个问题，我们注意到，通过总结其模型函数，每个Al模型都可以将其表示为一种
语言形式。因此，我们引入了一个概念:"语言是一个通用的interLLM连接人工智能模型的
面孔”。换句话说，通过将这些模型描述纳人提示中，LLM可以被视为管理规划、调度和合
作等人工智能模型的大脑。因此，这种策略使LLM能够调用外部模型来解决人工智能任务。
但是，如果我们想将多个人工智能模型集成到LLM中，将出现另一个挑战:解决许多人工
智能任务需要收集大量高质量的模型描述，这需要大量提示摇摇大气。巧合的是，我们注
意到，一些公共ML社区通常提供各种适用的模型，并带有明确定义的模型描述，以解决语
言、视觉和语音等特定人工智能任务。这些观察给我们带来了一些灵感:我们可以链接
LLM吗(例说·ChatGPT)与公共ML社区(例说，GitHub，拥抱脸1，Azure等)通过基于
语言的界面解决复杂的人工智能任务?
因此，在本文中，我们提出了一个名为拥抱GPT连接LL女士(也就是说，ChatGPT)和ML
社区(也就是说，拥抱脸)，它可以处理来自不同模式的输入，并解决许多复杂的人工智
能任务。电具体地说，对于Hugging Face 中的每个Al模型，我们使用libr中的相应模利描
述Ary，并将其融合到提示中，以建立与ChatGPT的连接。之后，在我们的系统中，LLM
(也就是说，ChatGPT)将充当大脑来确定用户问题的答案。如图1所示，HuggingGPT的
整个过程N分为四个阶段:
。任务规划:使用ChatGPT分析用户理解其意图的请求，并通过提示将其分解为可能可解
决的任务。
。型号选择:为了解决计划中的任务，ChatGPT选择专家m根据模型描述托管在Hugging
Face 上的 odel
。任务执行:调用并执行每个选定的模型，并将结果返回到ChatGPT。
评论0