Flows：推理与协作型 AI 的构建模块
人工智能
2024-02-08 v3 人机交互
摘要
人工智能（AI）的近期进展已催生出能力强大且可控的系统。这为结构化推理以及多个 AI 系统与人类之间的协作创造了前所未有的机遇。为充分实现这一潜力，亟需开发一种原则性的方法来设计和研究此类结构化交互。为此，我们引入了概念框架 Flows。Flows 是自给自足的计算构建模块，具有隔离状态，并通过标准化的基于消息的接口进行通信。这种模块化设计通过允许将 Flows 递归组合为任意嵌套的交互，简化了创建过程，并且本质上对并发友好。关键在于，任何交互均可使用该框架实现，包括先前关于 AI-AI 与人类-AI 交互的工作、提示工程方案以及工具增强。我们在竞技编程这一即便 GPT-4 也表现吃力的挑战性任务上展示了 Flows 的潜力。我们的结果表明，结构化推理与协作显著改善了泛化能力，AI -only Flows 在解题率上提升了 21 个绝对百分点，人类-AI Flows 提升了 54 个绝对百分点。为支持快速而严谨的研究，我们推出了体现 Flows 的 aiFlows 库。aiFlows 库可在 https://github.com/epfl-dlab/aiflows 获取。用于复现我们实验的数据与 Flows 可在 https://github.com/epfl-dlab/cc_flows 获取。
引用
@article{arxiv.2308.01285,
title = {Flows: Building Blocks of Reasoning and Collaborating AI},
author = {Martin Josifoski and Lars Klein and Maxime Peyrard and Nicolas Baldwin and Yifei Li and Saibo Geng and Julian Paul Schnitzler and Yuxing Yao and Jiheng Wei and Debjit Paul and Robert West},
journal= {arXiv preprint arXiv:2308.01285},
year = {2024}
}