Descubre DERA Un marco de inteligencia artificial para mejorar las completaciones de modelos de lenguaje grandes con agentes de resolución habilitados para el diálogo

Descubre DERA un marco de inteligencia artificial para mejorar las completaciones de modelos de lenguaje grandes con agentes de resolución en el diálogo.

Se han desarrollado “modelos de lenguaje grandes” de aprendizaje profundo para predecir contenido de lenguaje natural basado en la entrada. Más allá de los desafíos de modelado del lenguaje, el uso de estos modelos ha mejorado el rendimiento del lenguaje natural. Los enfoques impulsados por LLM han demostrado beneficios en tareas médicas como extracción de información, respuesta a preguntas y resumen. Las indicaciones son instrucciones de lenguaje natural utilizadas por las técnicas impulsadas por LLM. La especificación de la tarea, las reglas que deben cumplir las predicciones y opcionalmente algunas muestras de la entrada y salida de la tarea se incluyen en estos conjuntos de instrucciones.

La capacidad de los modelos generativos de lenguaje para producir resultados basados en instrucciones dadas en lenguaje natural elimina la necesidad de entrenamiento específico de la tarea y permite a los no expertos ampliar esta tecnología. Aunque muchos trabajos pueden expresarse como una sola pista, investigaciones adicionales han demostrado que segmentar las tareas en tareas más pequeñas puede mejorar el rendimiento de la tarea, especialmente en el sector de la salud. Apoyan una estrategia alternativa que consta de dos componentes cruciales. Comienza con un proceso iterativo para mejorar el primer producto. En lugar de encadenamiento condicional, esto permite refinar la generación de manera holística. En segundo lugar, cuenta con una guía que puede dirigir proponiendo áreas en las que enfocarse en cada repetición, lo que hace que el procedimiento sea más comprensible.

Con el desarrollo de GPT-4, ahora tienen a su disposición un VoAGI conversacional rico y realista. Los investigadores de Curai Health sugieren Agentes de Resolución Habilitados para el Diálogo o DERA. DERA es un marco para investigar cómo los agentes encargados de la resolución de diálogos pueden mejorar el rendimiento en tareas de lenguaje natural. Argumentan que asignar a cada agente de diálogo un papel específico les ayudará a centrarse en ciertos aspectos del trabajo y garantizar que su agente compañero mantenga la alineación con el objetivo general. El agente investigador busca datos pertinentes sobre el problema y sugiere temas en los que el otro agente debe concentrarse.

• El equipo de Red AI de Google los hackers éticos que hacen que la IA sea más segura
• Usando un Keras Tuner para la optimización de hiperparámetros de un modelo TensorFlow
• ¿Desvelando el poder de Meta’s Llama 2 ¿Un salto adelante en la IA generativa?

Para mejorar el rendimiento en tareas de lenguaje natural, ofrecen DERA, un marco para la interacción entre agentes. Evalúan DERA en función de tres categorías distintas de tareas clínicas. Para responder a cada una de ellas, se necesitan diferentes entradas textuales y niveles de experiencia. El desafío de resumir la conversación médica tiene como objetivo proporcionar un resumen de un diálogo médico-paciente que sea factualmente correcto y libre de alucinaciones u omisiones. La creación de un plan de atención requiere mucha información y produce resultados extensos que son útiles en la toma de decisiones clínicas. El rol del agente Decisor es libre de responder a estos datos y elegir el curso de acción final para la salida.

El trabajo tiene una variedad de soluciones y el objetivo es crear la mayor cantidad de material factu

We will continue to update Zepes; if you have any questions or suggestions, please contact us!