HuggingGPT Solving AI Tasks with ChatGPT and its Friends in Hugging Face

这篇具有很好参考价值的文章主要介绍了HuggingGPT Solving AI Tasks with ChatGPT and its Friends in Hugging Face。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

总述

HuggingGPT Solving AI Tasks with ChatGPT and its Friends in Hugging Face,LLM,人工智能,chatgpt

  • HuggingGPT 让LLM发挥向路由器一样的作用,让LLM来选择调用那个专业的模型来执行任务。
  • HuggingGPT搭建LLM和专业AI模型的桥梁。
  • Language is a generic interface for LLMs to connect AI models

四个阶段

  • Task Planning: 将复杂的任务分解。但是这里是将任务分解为一系列的structured tasks。还可以通过之前的 chat logs 辅助生成子任务

  • Model Selection: 根据任务的需求和模型的描述来选择模型执行任务

  • Task Excution: 执行任务

  • Response Generation: 将前三阶段的执行结果进行整合,输出。

Limitations

  • Planning 不能保证每次LLM生成的plan是最合适的或者最优的

  • Efficiency HuggingGPT 在整个工作流程中需要多次和LLM进行交互,等待相应个过程中增加了等待的成本。

  • Token Length 有限制,而要选择合适的AI Model,需要将模型的description进行总结

  • Instability 不稳定性,不能保证每次LLM生成出来的内容都是符合格式要求的并且能使得工作流正常运行。文章来源地址https://www.toymoban.com/news/detail-612288.html

到了这里,关于HuggingGPT Solving AI Tasks with ChatGPT and its Friends in Hugging Face的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 已解决otherwise you may silence this warning and allow it anyway with ‘–trusted-host mirrors.aliyun.com

    已解决(pip使用阿里云镜像安装第三方模块失败)ERROR: Could not find a version that satisfies the requirement xpinyin (from versions: none) ERROR: No matching distribution found for xpinyin WARNING: The repository located at mirrors.aliyun.com is not a trusted or secure host and is being ignored. If this repository is available via HTTPS w

    2023年04月16日
    浏览(31)
  • Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Models

    Paper name Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Models Paper Reading Note Paper URL: https://arxiv.org/pdf/2303.04671.pdf Code URL: https://github.com/microsoft/visual-chatgpt Demo URL: https://huggingface.co/spaces/RamAnanth1/visual-chatGPT 2023 年 3 月微软发布的文章,提出 Visual ChatGPT,结合不同的视觉基础

    2024年02月02日
    浏览(54)
  • Pytorch安装问题:Solving environment 一直循环/Solving environment: failed with initial frozen solve

    在网上找了半天的资料。更新conda,更换国内源,去掉conda安装命令中的-c pytorch都试过了,还是一直停在solving environment步骤。 最后找到了最简单实用的方法,直接使用anaconda环境下自带的pip安装,完美运行。 不过我是在更换国内源后才用pip安装的,不知道有咩有影响。这里也

    2024年02月16日
    浏览(32)
  • 论文阅读:Visual ChatGPT: Talking, Drawing and Editing with Visual Foundation Models

    目录 摘要 引言 相关工作 Visual ChatGPT Prompt Managing of Sysytem Principles M(P) Prompt Managing of Foundation Models M(F) Prompt Managing of User Querie M(Qi) Prompt Managing of Foundation Model Out-puts M(F(A(j)i )) 实验 实验设置  Visual ChatGPT的作用: 1、不仅可以发送和接收语言,也可以发送和接收图像; 2、提供

    2024年02月09日
    浏览(54)
  • Tree of Thoughts: Deliberate Problem Solving with Large Language Models

    本文是LLM系列的文章,针对《Tree of Thoughts: Deliberate Problem Solving with Large Language Models》的翻译。 语言模型越来越多地被部署用于解决各种任务中的一般问题,但在推理过程中仍然局限于token级别的从左到右的决策过程。这意味着他们可能无法完成需要探索、战略前瞻或初始决

    2024年02月11日
    浏览(35)
  • Graph of Thoughts: Solving Elaborate Problems with Large Language Models

    本文是LLM系列文章,针对《Graph of Thoughts: Solving Elaborate Problems with Large Language Models》的翻译。 我们介绍了思维图(GoT):这是一个框架,它将大型语言模型(LLM)中的提示能力提升到思维链或思维树(ToT)等范式之外。GoT的关键思想和主要优势是能够将LLM生成的信息建模为任

    2024年02月11日
    浏览(27)
  • 安装pytorch.cuda时出现Solving environment: failed with initial frozen solve. Retrying with flexible solve

    使用了网上大家说的更新conda,以及更换镜像均无法解决。便尝试使用pip安装指令。  1、将清华镜像源添加到PIP的搜索目录中,打开ANACONDA PROMPT,键入  2、进入PYTORCH官网,选择适合自己电脑系统的版本,在这里查看不同显卡驱动所对应的CUDA版本。  复制安装指令 3、在anacon

    2024年02月15日
    浏览(33)
  • 【阅读笔记】Graph of Thoughts: Solving Elaborate Problems with Large Language Models

    Website code: https://github.com/spcl/graph-of-thoughts 作者介绍了Graph of Thought (GoT):一个具备提高LLM提示能力,超越了思维链或思维树 (ToT) 等范式提供的能力的框架。GoT的关键思想和主要优势是能够将LLM生成的信息建模为任意图,其中信息单位(“LLM思想”)是顶点,而边对应于这些顶

    2024年02月10日
    浏览(34)
  • 【论文阅读笔记】Emu Edit: Precise Image Editing via Recognition and Generation Tasks

    Emu edit是一篇 图像编辑Image Editing 的文章,和instruct pix2pix类似,选择了合成数据作为训练数据,不是zero-shot任务,并进一步将多种任务都整合为生成任务,从而提高模型的编辑能力。本篇文章的效果应该目前最好的,在local和global编辑甚至其他代理任务(分割、边缘检测等)

    2024年02月04日
    浏览(38)
  • DropMAE: Masked Autoencoders with Spatial-Attention Dropout for Tracking Tasks

    ​ 在本文中,我们研究了掩码自动编码器(MAE)预训练的视频基于匹配的下游任务,包括视觉目标跟踪(VOT)和视频对象分割(VOS)。MAE的一个简单扩展是在视频中随机掩码帧块并重建帧像素。然而,我们发现这种简单的基线严重依赖于空间线索,而 忽略了帧重建的时间关

    2024年02月08日
    浏览(25)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包