真的好久沒更新了，之前動態(tài)也提到過，四月我真的是忙炸了（上次更新專欄是十幾天前，這個系列也半個月了），加上確實沒什么太有意思的論文，就沒怎么更新。昨晚開了組會后痛苦的四月算是過去了，今天也是小更新一下。

今天看這篇論文：

1.近期大模型的進展

最近大模型的發(fā)展還是很多的，畢竟好久沒法專欄了，我就列舉一下：

（1）CV領(lǐng)域。各路大一統(tǒng)模型開始出現(xiàn)，萬惡之源是SAM模型，具體可以看：

【花師小哲】鑒定網(wǎng)絡(luò)熱門（？）AI（8）——計算機視覺也要終結(jié)了？

【花師小哲】鑒定網(wǎng)絡(luò)熱門（？）AI（9）——單階段or兩階段，這是大一統(tǒng)CV分割的問題

在這幾篇論文之后，又出現(xiàn)了很多研究，例如視頻分割、3D分割等，可以說出的特別快。不過問題也是很多的，除了SAM，很多其實都算不上很大的模型，就是先把坑占一下

（2）大模型和小模型。之前動態(tài)也提到了，主要是有位朋友在我一個月之前的專欄下評論。其實一個月能改變的事情還是非常多的，包括我又經(jīng)歷了幾十篇論文的歷練和導(dǎo)師的毒打，現(xiàn)在已經(jīng)有新的認識了?，F(xiàn)在來看，大模型和小模型之間的協(xié)作已經(jīng)越來越深入了，大模型蒸餾小模型，小模型蒸餾大模型，小模型為大模型提供知識，大模型為小模型提供集成...可以說也是很卷的賽道了

（3）使用工具。大模型使用工具已經(jīng)不是什么秘密了，畢竟連使用工具能力的評估方案都已經(jīng)有人做出來了。包括新MOSS模型也是直接集成了工具API的使用。ChatGPT也將迎來新的插件等

（4）復(fù)雜系統(tǒng)。前不久出現(xiàn)了AutoGPT，簡單來說就是用戶給定一個復(fù)雜任務(wù)，然后由ChatGPT進行任務(wù)分解并結(jié)合其他模型（可以是自身，也就是大語言模型一個人打多份工）組成一個能循環(huán)起來的系統(tǒng)，對于給定的任務(wù)不斷迭代優(yōu)化，直到輸出一個滿意的結(jié)果。

OK，接下來我們就從AutoGPT出發(fā)來講本次要講的這篇論文。

2.AutoGPT存在的問題

AutoGPT雖然在github上有很多star了，但還是存在很多問題。（其實我個人不是很感興趣，因為實際上并沒有太多突破性的表現(xiàn)）

例如花費高且不確定性高。AutoGPT在你輸入后就開始自己不斷運行迭代了，不過到底什么時候才能給你結(jié)果、在這期間要調(diào)用多少次API等都是不確定的，加上中途不能修改任務(wù)（甲方震怒），導(dǎo)致AutoGPT的成本還是很高的。并且由于難以監(jiān)控，實際上程序容易陷入死循環(huán)，白白浪費調(diào)用次數(shù)

所以目前來看，比較穩(wěn)妥的做法就是人機協(xié)同。

微軟的這篇論文就是這樣的。架構(gòu)如下：

簡單來說，對于用戶給定的輸入，大語言模型（LLM）會先設(shè)計好工作系統(tǒng)，這時候用戶可以根據(jù)自己的需要進行調(diào)整，在系統(tǒng)運行期間，用戶還是可以多次評估結(jié)果、編輯系統(tǒng)等（就很甲方乙方了）

3.低代碼

這篇論文是低代碼的。

低代碼現(xiàn)在也不是什么新鮮的概念了，其實機甲大師S1的開發(fā)平臺就有低代碼版本的：

鏈接：

絕對值得的玩具-大疆S1-“大師之路”全演示

所謂低代碼，簡單來說就是用戶可以拖拽一些模型，用類似于搭積木的方式達到類似于編程的目的，例如比較著名的編程貓等。

嘛，其實對我來說還是直接寫代碼舒服，所以我個人不好評價這種方式是否真的簡單易學(xué)。

現(xiàn)在的很多低代碼平臺很多都是更簡單的，拼圖的框架會更大一些。就像這篇論文一樣，每個拼圖就是一個模型。

現(xiàn)在還有零代碼平臺等，這里不多展開

4.評價

從幾個例子來看，效果還不錯。當(dāng)然這種模式也存在問題，例如這需要用戶有一定的低代碼能力，你自己胡亂編輯系統(tǒng)有時候還會起到負效果。

只能說大模型做復(fù)雜系統(tǒng)還有很長的路要走