【ChatGPT 控制所有AI模型: HuggingGPT】
大语言模型LLM在语言理解、生成、交互和推理方面的表现，让人想到：
> 可以将它们作为中间控制器，来管理现有的所有AI模型，通过“调动和组合每个人的力量”，来解决复杂的AI任务。
在这个系统中，语言是通用的接口。
于是，HuggingGPT就诞生了。
它的工程流程分为四步：
* 首先，任务规划。ChatGPT将用户的需求解析为任务列表，并确定任务之间的执行顺序和资源依赖关系。
* 其次，模型选择。ChatGPT根据HuggingFace上托管的各专家模型的描述，为任务分配合适的模型。
* 接着，任务执行。混合端点（包括本地推理和HuggingFace推理）上被选定的专家模型根据任务顺序和依赖关系执行分配的任务，并将执行信息和结果给到ChatGPT。
* 最后，输出结果。由ChatGPT总结各模型的执行过程日志和推理结果，给出最终的输出。
论文地址：https://arxiv.org/abs/2303.17580
报道地址：https://www.qbitai.com/2023/04/43390.html
🎉 订阅频道：ChatGPT 精选: https://t.me/AwesomeChatGPT
👋 交流频道：ChatGPT 精选交流群: https://t.me/AwesomeGPTChat
大语言模型LLM在语言理解、生成、交互和推理方面的表现，让人想到：
> 可以将它们作为中间控制器，来管理现有的所有AI模型，通过“调动和组合每个人的力量”，来解决复杂的AI任务。
在这个系统中，语言是通用的接口。
于是，HuggingGPT就诞生了。
它的工程流程分为四步：
* 首先，任务规划。ChatGPT将用户的需求解析为任务列表，并确定任务之间的执行顺序和资源依赖关系。
* 其次，模型选择。ChatGPT根据HuggingFace上托管的各专家模型的描述，为任务分配合适的模型。
* 接着，任务执行。混合端点（包括本地推理和HuggingFace推理）上被选定的专家模型根据任务顺序和依赖关系执行分配的任务，并将执行信息和结果给到ChatGPT。
* 最后，输出结果。由ChatGPT总结各模型的执行过程日志和推理结果，给出最终的输出。
论文地址：https://arxiv.org/abs/2303.17580
报道地址：https://www.qbitai.com/2023/04/43390.html
🎉 订阅频道：ChatGPT 精选: https://t.me/AwesomeChatGPT
👋 交流频道：ChatGPT 精选交流群: https://t.me/AwesomeGPTChat