llms as method actors

repo อย่างเป็นทางการของ LLMS เป็นนักแสดงวิธีการ

การใช้งานอย่างเป็นทางการสำหรับ Paper LLMS ในฐานะนักแสดงวิธีการ: แบบจำลองสำหรับวิศวกรรมและสถาปัตยกรรมที่รวดเร็วด้วยรหัส, พรอมต์และเอาต์พุตตัวอย่าง

การตั้งค่า

1. ตั้งค่าคีย์ API ของคุณ

จัดเก็บคีย์ OpenAI API ของคุณในตัวแปรสภาพแวดล้อม OPENAI_API_KEY (หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการตั้งค่าคีย์ OpenAI API ให้ไปที่ลิงค์นี้) หากคุณต้องการใช้โมเดลมานุษยวิทยาหรือราศีเมถุนให้เก็บกุญแจเหล่านั้นไว้ในตัวแปรสิ่งแวดล้อม ANTHROPIC_API_KEY และ GEMINI_API_KEY

2. ติดตั้งแพ็คเกจที่จำเป็น

pip install -r requirements.txt

สิ่งนี้จะติดตั้งการพึ่งพาทั้งหมดที่ระบุไว้ใน requirements.txt . txt

บทเรียน

การสอน Jupyter Notebook.Ipynb สามารถนำคุณผ่านวิธีการใช้วิธีการแต่ละวิธีจากกระดาษในปริศนาการเชื่อมต่อใด ๆ

ตัวอย่างเอาต์พุต

ตัวอย่างเอาต์พุตสำหรับแต่ละวิธีมีอยู่ในโฟลเดอร์“ sample_outputs” เป็นไฟล์ Markdown สำหรับวิธีการที่ซับซ้อนมากขึ้นไฟล์ Markdown จะรวมอยู่ในการติดตามความคืบหน้าของตัวกลางสำหรับการเดาแต่ละครั้งที่ได้รับการพิจารณา ไฟล์ Markdown ชื่อ“ สรุป” และ“ summary_detailed” สรุปผลลัพธ์โดยรวมและผลลัพธ์ของขั้นตอนตัวกลาง

ตัวอย่างผลลัพธ์ถูกสร้างขึ้นโดยใช้สคริปต์ Python บนปริศนาการเชื่อมต่อตั้งแต่วันที่มีการประกาศกระดาษใน arxiv.org, 11 พฤศจิกายน 2567

ผลลัพธ์มีดังนี้:

เข้าใกล้	ความสำเร็จ?	# การเดาที่ถูกต้อง	# การเดาไม่ถูกต้อง
วานิลลา	เลขที่	0	4
ห่วงโซ่แห่งความคิด	เลขที่	1	4
โซ่แห่งความคิด (สคริปต์)	ใช่	4	3
นักแสดงชาย	ใช่	4	0
นักแสดง -2	ใช่	4	1
ONESHOT-O1	เลขที่	2	2
วานิลลา-O1	ใช่	4	0
นักแสดง -o1	ใช่	4	0

การอ้างอิง

โปรดอ้างอิงกระดาษและแสดง repo นี้หากคุณพบว่ามันน่าสนใจหรือมีประโยชน์ อย่าลังเลที่จะติดต่อ [email protected] หากคุณมีคำถามใด ๆ

 @misc { doyle2024method ,
      title = { LLMs as Method Actors: A Model for Prompt Engineering and Architecture } , 
      author = { Colin Doyle } ,
      year = { 2024 } ,
      eprint = { 2411.05778 } ,
      archivePrefix = { arXiv } ,
      primaryClass = { cs.CL }
}