MIT最新研究多个AI协作 多个AI协作提高模型推理能力

麻省理工学院计算机科学与人工智能实验研究团队发现多个原模型协同工作要高于单一模型工作效率，多个模型写作能够提高大圆模型的事实准确性和推理能力。麻省理工学院计算机科学与人工智能实验室的团队9月18日在官网更新了与AI协作有关的研究研究，研究表明大语言模型共同协作要高于单一模型，并且多个模型协作能够帮助大圆模型提高推理能力和事实准确性。 麻省理工研究团队的这项研究是利用多个AI系统协作对辩论协商的方式，达成给定问题的最佳答案。大语言模型长期存在的问题之一，就是每一次生成的答案都是不一致的，有可能会存在错误或者不准确的推理，新的方式可以允许每个智能体积极的去预估其他智能体的问答，并且根据集体反馈去完善自己的回答。 这个过程就像是多轮回应生成与批判每一个语言生成给定问题的回答之后进行其他代理反馈从而更新自己的回应，最终多个模型解决方案经过统一投票之后达成一致，这一点特别像小组讨论，个体努力达成一致并且合理的结论，这个技术的优点在于能够无缝衔接现有的模型。因为这个方式是基于生成出的文本，无需明晰内部工作原理。研究团队表示简化的方式，能够帮助研究人员与开发者改进语言模型输出的事实准确性和一致性。 这项论文首席作者之一表示我们不仅要依赖单一AI模型提供答案，要让更多的AI智能模型参与其中，因为每一个模型都会带来独特的见解，帮助人们去解决问题，即便是这些模型最开始的回应有可能别简单或者有一定的错误，但是模型会通过审查同行提供的答案进行改进，最终完善回答。