Повышение точности языковых моделей - интеграция CoT и статических инструментов

AUTOMATIC CHAIN OF THOUGHT PROMPTING

может но в своих рассуждениях она может допускать ошибки гипотеза в том, что внутри мультиагентной системы, где каждый агент выполняет свою роль

агент может быть представлен как единичной LLM, так и статическим инструментом - калькулятор, поисковик,

создадим полносвязный граф, в нем n узлов, агенты с их ролью в этой сети представлены ниже:

• gpt1o mini - для распределения и определения дальнейшего

• калькулятор с REST интерфейсом

• gpt4o реализующая AUTOMATIC CHAIN OF THOUGHT

• сервис погоды с REST интерфейсом

• агент-пайтон интерпретатор - позволяет запустить программу (идея показать рассуждения о правильном ответе и пересоставлении программы под нужды)

• агент Java компилятор

в дипломе - за каждым топиком стоит отдельный агент, они общаются между собой, и являются точкой входа в свободном режиме - может поддержать беседу на большее количество тем

агент грамматики агент синтаксиса словарный агент

инструменты статический - словарь (или несколько) векторная база данных (RAG)

https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D0%B8%D0%BA%D0%B8_%D0%B8%D0%B7%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B0

гигачат client-secret d206a9f0-498f-4836-9136-fd9bd7853e89 client-id df059de6-9ef5-4b29-8ba2-2641e5fa2066