کمک به عامل‌های هوش مصنوعی برای جستجو و دستیابی به بهترین نتایج از مدل‌های زبانی بزرگ.

چه شما یک دانشمند در حال ایده‌پردازی برای تحقیقات باشید یا یک مدیرعامل که به دنبال خودکارسازی وظایفی در منابع انسانی یا امور مالی هستید، متوجه خواهید شد که ابزارهای هوش مصنوعی به دستیارهایی تبدیل می‌شوند که حتی نمی‌دانستید به آن‌ها نیاز دارید. به‌ویژه، بسیاری از متخصصان در حال بهره‌گیری از قابلیت‌های سیستم‌های نرم‌افزاری نیمه‌خودمختار به نام «عوامل هوش مصنوعی» هستند که می‌توانند در نقاط خاص برای حل مشکلات و انجام وظایف به هوش مصنوعی متکی باشند. عوامل هوش مصنوعی به‌ویژه زمانی مؤثر هستند که از مدل‌های زبان بزرگ (LLM) استفاده می‌کنند، زیرا این سیستم‌ها قدرتمند، کارآمد و سازگار هستند. یکی از راه‌های برنامه‌ریزی چنین فناوری، توصیف در کد آنچه می‌خواهید سیستم شما انجام دهد («گردش کار») از جمله زمان استفاده از LLM است. به عنوان مثال، اگر یک شرکت نرم‌افزاری در تلاش برای بازسازی کد قدیمی خود به منظور استفاده از زبان برنامه‌نویسی مدرن‌تر برای بهینه‌سازی و ایمنی بیشتر باشد، ممکن است سیستمی بسازد که از LLM برای ترجمه کد یک فایل در یک زمان استفاده کند و هر فایل را در حین انجام آزمایش کند. اما اگر LLMها مرتکب اشتباه شوند چه اتفاقی می‌افتد؟ شما می‌خواهید عامل به عقب برگردد و دوباره تلاش کند و درس‌هایی که از اشتباهات قبلی آموخته را در خود جای دهد. کدنویسی این کار می‌تواند به اندازه پیاده‌سازی عامل اصلی تلاش‌بر باشد. اگر سیستم شما برای ترجمه یک کد شامل هزاران خط کد باشد، شما هزاران خط تغییر یا افزودنی به کد ایجاد خواهید کرد تا از منطق بازگشت در صورت بروز اشتباه توسط LLMها پشتیبانی کنید. برای صرفه‌جویی در زمان و تلاش برنامه‌نویسان، محققان MIT...