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,