Estás leyendo la publicación: Investigadores de Microsoft proponen LLM de código bajo: un nuevo patrón de interacción humano-LLM
Los modelos de lenguaje extenso (LLM), como ChatGPT y GPT-4, han despertado mucho interés en el mundo académico y empresarial debido a su increíble versatilidad en diversas actividades. También se utilizan con mayor frecuencia en otras disciplinas diferentes. Sin embargo, todavía necesita ser completamente capaz de hacer trabajos difíciles. Por ejemplo, cuando se escribe un informe extenso, los argumentos presentados, la evidencia ofrecida para respaldarlos y la estructura general solo a veces pueden estar a la altura de las expectativas en ciertos contextos de usuarios. O bien, cuando actúa como un asistente virtual para completar el trabajo, ChatGPT solo puede comunicarse con los usuarios según lo previsto o incluso actuar de manera inapropiada en ciertos entornos profesionales.
Los LLM como ChatGPT requieren una ingeniería cuidadosa y rápida para ser utilizados de manera efectiva. Cuanto más impredecibles sean las respuestas y más larga sea la refinación de solicitudes, más difícil puede ser la ingeniería de solicitudes cuando se les pide a los LLM que realicen tareas complicadas. Hay un retraso entre dar pistas y obtener respuestas; las personas necesitan acceso para crear respuestas. Para cerrar esta brecha, los investigadores de Microsoft sugieren un nuevo patrón de interacción humano-LLM llamado LLM de código bajo, que se relaciona con la programación visual de código bajo, como Visual Basic o Scratch.
Seis acciones fáciles especificadas en un flujo de trabajo producido automáticamente, como agregar o eliminar, arrastrar gráficos y editar texto, permiten a los usuarios verificar los complicados procedimientos de ejecución. Como se ve en la Figura 1, los siguientes LLM pueden interactuar con humanos: (1) Un LLM de planificación que crea un proceso altamente organizado para actividades desafiantes. (2) Los usuarios modifican el proceso utilizando acciones integradas de código bajo compatibles con hacer clic, arrastrar o editar texto. (3) Un LLM en ejecución que produce resultados usando el procedimiento que ha sido evaluado. (4) Los usuarios continúan modificando el flujo de trabajo hasta que obtienen resultados felices. La creación de contenido largo, la implementación de grandes proyectos, los asistentes virtuales de finalización de tareas y los sistemas integrados de conocimiento fueron cuatro tareas complicadas para las que se utilizó Low-code LLM.
Estos ejemplos muestran cómo la arquitectura sugerida permite a los usuarios manipular fácilmente los LLM para tareas desafiantes. LLM de código bajo proporciona los siguientes beneficios sobre el patrón típico de interacción humano-LLM:
1. Generando bajo Control: Los flujos de trabajo se utilizan para comunicar tareas complejas a las personas una vez que se han desglosado en planes de conducción organizados. Para obtener resultados más manejables, los usuarios pueden gestionar la ejecución de los LLM mediante operaciones de código bajo. Las respuestas que se produzcan tras el procedimiento personalizado se acercarán más a las necesidades del usuario.
2. Comunicación Cordial: Los usuarios pueden comprender rápidamente la lógica de ejecución de los LLM de acuerdo con la intuición del flujo de trabajo y pueden ajustar fácilmente el flujo de trabajo gracias a su operación de código bajo a través de una interfaz gráfica de usuario. Esto reduce la necesidad de una ingeniería rápida que requiere mucho tiempo y permite a los usuarios traducir de manera efectiva sus pensamientos en instrucciones completas para producir soluciones de alta calidad.
3. Amplia gama de uso: El paradigma sugerido puede usarse para varias tareas desafiantes en varias áreas, especialmente cuando el juicio o la preferencia humana es crucial.
