LLMs使用工具

MRKL系统 (Modular Reasoning, Knowledge and Language, pronounced "miracle") 是一种神经符号结构，结合了LLMs（神经计算）和像计算器（符号计算）这样的外部工具，用于解决复杂问题。

MRKL系统由一组模块（例如计算器、天气API、数据库等）和一个路由器组成，决定如何将自然语言查询“路由”到适当的模块。

一个简单的MRKL系统示例是一个可以使用计算器应用程序的LLM。 这是一个单模块系统，其中LLM是路由器。 当被问到100*100是多少？ 时，LLM可以选择从提示中提取数字，然后告诉MRKL系统使用计算器应用程序计算结果。 这可能如下所示：

100*100是多少？
CALCULATOR [100*100]

MRKL系统将看到单词CALCULATOR，并将100*100插入计算器应用程序中。 这个简单的想法可以很容易地扩展到各种符号计算工具。

考虑以下其他应用示例：

• 一个聊天机器人，能够从用户的文本中提取信息，形成SQL查询，回答有关金融数据库的问题。

苹果公司股票现在的价格是多少？
当前价格为DATABASE[SELECT price FROM stock WHERE company = "Apple" AND time
= "now"]。

• 一个聊天机器人，能够从提示中提取信息，使用天气API检索信息回答有关天气的问题。

纽约的天气怎么样？
天气是WEATHER_API[New York]。

• 或者更复杂的依赖多个数据源的任务，例如下面这个例子：

示例

我使用Dust.tt复现了原始论文中的一个示例MRKL系统，链接在这里。 该系统可以读取数学问题（例如20乘以5^6等于多少？ ），提取数字和运算符号，并将其格式化为计算器应用(例如 20 * 5^6）。 然后它将重新格式化的方程式发送给Google的计算器应用程序，并返回结果。 请注意，原始论文对路由器（LLM）进行了提示调整，但是我在这个例子中没有进行提示调整。 让我们来看看这是如何工作的：

首先，我在Dust的数据集选项卡中制作了一个简单的数据集。

然后，我切换到Specification选项卡，并使用data块加载了数据集。

接下来，我创建了一个llm块，用于提取数字和运算符号。 请注意，在提示中，我告诉它我们将使用Google的计算器。 我使用的模型（GPT-3）可能已经预先训练了一些关于Google计算器的知识。

然后，我创建了一个code块，其中运行一些简单的JavaScript代码来删除补全结果(completion)中的空格。

最后，我创建了一个search块，将重新格式化的方程式发送给Google的计算器。

下面我们可以看到最终的结果，全部都是正确的！

请随意尝试并进行实验，这是演练场(playground)的链接.

备注

MRKL由AI21开发，最初使用了他们的J-1 (Jurassic 1) LLM。

更多内容

请参见 此示例 MRKL系统，该系统是使用LangChain构建的。

Footnotes

1. Karpas, E., Abend, O., Belinkov, Y., Lenz, B., Lieber, O., Ratner, N., Shoham, Y., Bata, H., Levine, Y., Leyton-Brown, K., Muhlgay, D., Rozen, N., Schwartz, E., Shachaf, G., Shalev-Shwartz, S., Shashua, A., & Tenenholtz, M. (2022). ↩

2. Lieber, O., Sharir, O., Lentz, B., & Shoham, Y. (2021). Jurassic-1: Technical Details and Evaluation, White paper, AI21 Labs, 2021. URL: Https://Uploads-Ssl. Webflow. Com/60fd4503684b466578c0d307/61138924626a6981ee09caf6_jurassic_ Tech_paper. Pdf. ↩