LLMs Menjadi Pemecah Masalah yang Lebih Baik dengan LATM
Large language models (LLMs) memiliki kemampuan yang luar biasa dalam menyelesaikan berbagai tugas NLP dan menunjukkan bukti yang cukup menggembirakan dalam mencapai beberapa fitur kecerdasan buatan umum. Namun, ketersediaan alat yang sesuai menjadi faktor penentu utama dari seberapa aplikatif prosedur penggunaan alat ini.
Dalam sebuah studi yang dilakukan oleh peneliti dari Google Deepmind, Princeton University, dan Stanford University, mereka mengaplikasikan konsep evolusi ini ke bidang LLMs, yang didasarkan pada signifikansi pembuatan alat untuk manusia. Sistem yang mereka usulkan, yang disebut LLMs As Tool Makers (LATM), memungkinkan LLMs untuk menciptakan alat mereka sendiri yang dapat digunakan kembali untuk menyelesaikan tugas-tugas baru.
Fase pertama LATM adalah menciptakan alat dimana LLM yang sering disebut sebagai pembangun alat, menciptakan alat yang diimplementasikan sebagai fungsi Python, terutama untuk pekerjaan tertentu. Sedangkan fase kedua, aplikasi alat, LLM kedua, yang dikenal sebagai pengguna alat, diperuntukkan untuk menerapkan alat untuk menangani permintaan baru.
Metode LATM ini menyediakan alternatif yang scalable dan ekonomis untuk menangani masalah yang sulit. Dalam sebuah skenario dimana seorang pengguna meminta LLM untuk mengatur pertemuan yang cocok untuk semua orang, masalah matematika yang kompleks seringkali sulit untuk dipecahkan oleh mesin ringan seperti GPT-3.5 Turbo. Model yang lebih kuat seperti GPT-4 tetap dapat mendapatkan jawaban yang tepat namun memiliki biaya inference yang signifikan lebih tinggi.
Dengan menggunakan model yang kuat dan mahal sebagai pembuat alat dan kemudian digunakan oleh model yang lebih hemat seperti GPT-3.5 Turbo sebagai pengguna alat, LATM berhasil mengatasi hambatan ini. Setelah alat dibuat, pengguna dapat menggunakan alat untuk melakukan pekerjaan dengan cepat dan efektif.
Alasan mengapa LATM menjadi metode yang lebih efektif dibandingkan metode LLM konvensional adalah karena LATM dapat menyelesaikan masalah yang lebih kompleks dengan biaya yang lebih rendah. Bahkan, LATM dapat bekerja sama baik dengan model yang lebih hemat biaya dan lebih mahal dengan efisiensi yang sama.
LATM juga dapat digunakan untuk menangani permainan yang terkenal seperti Sudoku dan tugas-tugas berulang dalam proses seperti parsing dan menganalisis artikel online menjadi format data tertentu atau membuat rencana rute yang memenuhi berbagai persyaratan khusus. Dispatcher, LLM ringan lainnya, ditambahkan untuk memutuskan apakah masalah yang masuk dapat diselesaikan dengan alat yang sudah ada atau apakah perlu dikembangkan alat baru.
Dengan LATM, pembuatan alat hanya harus dilakukan satu kali untuk kemudian dapat diterapkan pada beberapa instansi tugas. Hasil dari LATM menunjukkan bahwa mereka dapat bekerja sama dengan model yang lebih hemat biaya dan lebih mahal dengan efisiensi yang sama.
Dengan mengadopsi metode ini, LATM memungkinkan terciptanya kemungkinan yang menarik untuk masyarakat yang masih berkembang dengan menggunakan alat yang dihasilkan oleh LLM. Ini mencerminkan lompatan evolusi manusia dalam menghasilkan dan menggunakan alat.
Sub-topik 1: LLMs dan Kemampuan Mereka
LLMs memiliki kemampuan yang luar biasa dalam menyelesaikan tugas-tugas NLP. Mereka juga menunjukkan bukti bahwa mereka dapat mencapai beberapa fitur kecerdasan buatan umum. Namun, ketersediaan alat yang sesuai menjadi faktor penentu utama dari seberapa aplikatif prosedur penggunaan alat ini.
Sub-topik 2: LATM: Alternatif yang Scalable dan Ekonomis
Dalam sebuah studi yang dilakukan oleh peneliti dari Google Deepmind, Princeton University, dan Stanford University, mereka mengaplikasikan konsep evolusi ini ke bidang LLMs, yang didasarkan pada signifikansi pembuatan alat untuk manusia. Sistem yang mereka usulkan, yang disebut LLMs As Tool Makers (LATM), memungkinkan LLMs untuk menciptakan alat mereka sendiri yang dapat digunakan kembali untuk menyelesaikan tugas-tugas baru.
Metode LATM ini menyediakan alternatif yang scalable dan ekonomis untuk menangani masalah yang sulit. Bahkan, LATM dapat bekerja sama baik dengan model yang lebih hemat biaya dan lebih mahal dengan efisiensi yang sama.
Dengan mengadopsi metode ini, LATM memungkinkan terciptanya kemungkinan yang menarik untuk masyarakat yang masih berkembang dengan menggunakan alat yang dihasilkan oleh LLM. Ini mencerminkan lompatan evolusi manusia dalam menghasilkan dan menggunakan alat.
Disarikan dari: Sumber