More Agents Is All You Need

828 篇文章

已下架不支持订阅

研究表明,通过增加大型语言模型(LLM)的实例化代理数量,性能可得到改善,且此方法与现有复杂技术正交。实验揭示了“规模定律”,性能收益与任务难度有关,难度越大,收益可能越高。虽然成本增加是个挑战,但提供了一种优化LLM性能的新途径。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《More Agents Is All You Need》的翻译。

摘要

我们发现,简单地通过采样和投票方法,大型语言模型(LLM)的性能会随着实例化代理的数量而变化。此外,该方法与现有的复杂方法正交,以进一步增强LLM,而增强程度与任务难度相关。我们在广泛的LLM基准上进行了全面的实验,以验证我们的发现的存在,并研究有助于其发生的特性。我们的代码公开在:Git

1 引言

2 相关工作

3 方法

4 实验设置

5 实验结果

6 理解性能收益

7 结论和未来工作

在本文中,我们报告说,您只需要更多的代理,即,只需添加更多的实例化LLM代理,就可以在处理复杂任务时获得更好的LLM性能,而不需要麻烦复杂的方法,

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值