这个“智能指导”帮助 LLM 在文本和代码之间切换

快速阅读: 据《麻省理工学院》最新报道，麻省理工团队开发CodeSteer，提升LLM处理计算任务准确率30%以上。研究将在国际机器学习大会发表，获谷歌等专家好评。

记者获悉，近期，麻省理工学院的研究团队开发了一款名为CodeSteer的智能助手，旨在指导大型语言模型（LLMs）在处理计算和算法任务时选择最佳方法。这款小型LLM能够自动生成一系列提示，逐步引导更大的LLM在文本和代码生成之间切换，直至正确回答查询。

研究表明，CodeSteer与大型LLM结合后，在符号任务上的准确率提高了30%以上，包括乘法运算、数独游戏和积木堆叠等任务。这使得较为简单的模型能够超越具有增强推理能力的高级模型，从而提升LLMs在复杂任务中的问题解决能力，例如为机器人生成路径或在国际供应链中安排运输。

麻省理工学院信息与决策系统实验室（LIDS）的航空与航天学副教授、首席研究员Chuchu Fan表示：“我们希望让LLMs选择合适的工具和方法，并利用他人的专业知识来增强自身能力。”作为研究的资深作者，Fan与LIDS研究生Yongchao Chen、AeroAstro研究生Yilun Hao、伊利诺伊大学厄巴纳-香槟分校研究生Yueying Liu及MIT-IBM Watson AI实验室的研究科学家Yang Zhang共同完成了这项研究，成果将在国际机器学习大会上发表。

研究团队还创建了一个名为SymBench的数据集，包含37个复杂符号任务，用于微调和测试CodeSteer。实验结果显示，CodeSteer在多种任务上的表现均优于现有方法，平均准确率从53.3%提升至86.4%。即使面对未曾见过的任务，CodeSteer也能保持较高的性能。

谷歌云AI的高级研究科学家Jinsung Yoon对此评价道：“这项研究提出了一种优雅的解决方案，通过简单的引导机制实现了显著的性能提升。”谷歌DeepMind的高级研究员Chi Wang则认为，这一成果展示了不同AI模型间智能协作的巨大潜力，有助于推动AI技术在实际应用场景中的发展。

这项研究得到了美国海军研究办公室和MIT-IBM Watson AI实验室的部分支持。

(以上内容均由Ai生成)