Şu yazıyı okuyorsunuz: LMQL’yi tanıyın: açık kaynaklı bir programlama dili ve kapsamlı dil modelleri (LLM) ile etkileşime yönelik bir platform
Büyük dil modelleri yapay zeka camiasını kasıp kavurdu. Son zamanlardaki etkisi sağlık, finans, eğitim, eğlence vb. gibi çok çeşitli sektörlere katkıda bulunmaya yardımcı oldu. GPT, DALLE ve BERT gibi iyi bilinen büyük dil modelleri olağanüstü görevleri yerine getirir ve hayatı kolaylaştırır. DALLE 2, basit bir metinsel açıklamaya yanıt veren görüntüler oluşturabilirken, GPT-3 mükemmel bir makale yazabilir, kodu tamamlayabilir, uzun metin paragraflarını özetleyebilir, soruları insanlar gibi yanıtlayabilir ve yalnızca kısa bir doğal dil istemiyle içerik oluşturabilir. Bu modeller, yapay zeka ve makine öğreniminin paradigma değişimi yoluyla hızla ilerlemesine yardımcı oluyor.
Yakın zamanda bir araştırmacı ekibi, açık kaynak programlama dili ve dil modeli etkileşimi platformu olan LMQL’i tanıttı. Dil Modeli Sorgu Dili anlamına gelen LMQL, istemleri, kısıtlamaları ve komut dosyalarını birleştirerek Büyük Dil Modellerinin (LLM) yeteneklerini doğaçlama olarak geliştirir. Python tabanlı bildirimsel SQL benzeri bir dil olan LMQL, statik metin istemlerini kontrol akışı, kısıtlama kılavuzlu kod çözme ve araç genişletme ile genişletir. Bu tür komut dosyası oluşturmayla LMQL, çok parçalı istek akışlarını çok küçük bir kod parçasıyla basitleştirir.
Araştırmacılar, dil modeli istemlerini saf metin istemlerinden metin istemleri ve komut dosyalarının bir kombinasyonuna kadar genelleştiren LMP’yi (dil modeli programlama) etkinleştirmek için LMQL’i kullandılar. LMQL, etkili bir çıkarım prosedürü oluşturmak için bir LMP bildirimindeki kısıtlamaları ve kontrol akışını etkiler. Bu yüksek seviyeli, süper mantıksal kısıtlamalar, üretim zamanında güçlü bir şekilde uygulanan bazı değerlendirme anlambilimlerinin yardımıyla belirteç maskelerine dönüştürülür.
Ekip, oluşturulan metnin yeniden sorgulanması ve doğrulanmasının yüksek maliyetini önlemek için LMQL’i tanıttı. Bu, LMQL’nin daha fazla yinelemeye gerek kalmadan ilk denemede istenen çıktıya daha yakın metin üretmesine yardımcı olabilir. Buna ek olarak, LMQL kısıtlamaları, kullanıcıların metin oluşturma sürecini istedikleri spesifikasyonlara göre yönlendirmelerine veya yönlendirmelerine olanak tanır; örneğin, oluşturulan metnin belirli dilbilgisi veya sözdizimsel kurallara uymasını sağlamak veya belirli kelime veya ifadelerden kaçınılmasını sağlamak gibi.
Araştırmacılar, LMQL’in, mevcut API’lerle uygulanması zor olan etkileşimli akışlar gibi çok çeşitli yeni nesil istek yöntemlerini nasıl yakalayabildiğinden bahsetti. Değerlendirme, LMQL’nin çok sayıda alt görevde doğruluğu koruduğunu veya iyileştirdiğini, aynı zamanda kullandıkça öde API’lerindeki hesaplamayı veya maliyeti önemli ölçüde azaltarak yüzde 13 ila 85 oranında maliyet tasarrufu sağladığını gösteriyor.
LMQL, kullanıcıların çok çeşitli yaygın ve ileri düzey yönlendirme tekniklerini basit ve özlü bir şekilde ifade etmelerine olanak tanır. Hugging Face’in Transformers’ı, OpenAI API’si ve Langchain ile entegre olur. Aynı konuyla ilgili geliştirici kaynakları şu adreste mevcuttur: lmql.aive tarayıcı tabanlı bir Oyun Alanı IDE’si mevcuttur deneme.
Özetlemek gerekirse, değerlendirme LMQL’in dil modeli programlamanın verimliliğini ve doğruluğunu artırabilecek güçlü bir araç olduğunu gösterdiği için LMQL umut verici bir gelişme gibi görünüyor. Kullanıcıların daha az kaynakla istenen sonuçlara ulaşmasını kolaylaştırabilir.
