诸神缄默不语-个人CSDN博文目录
诸神缄默不语的论文阅读笔记和分类

论文全名：Toolformer: Language Models Can Teach Themselves to Use Tools
论文下载地址：https://arxiv.org/abs/2302.04761

这篇文章是介绍tool learning的，大概来说就是训练模型实现这个功能：根据query判断是否需要通过调用工具（传参进API）来获取一些特定信息（比如天气、实时汇率等，还有计算器、问答系统、搜索引擎、翻译系统、日历）。结合工具返回的结果，LLM输出最终结果。
这种做法在现在LLM里用的也蛮多的了，现在应该已经可以实现在一句话里多次调用、链式调用API了？（虽然据说可能会出现死锁，所以必须要DAG捏）

很多细节懒得写了，大家看原文吧。

1. 思路

Toolformer主要致力于解决一些LLM反而解决不了的基础问题（比如算术，比如获取最新信息（LLM缺失最新信息也使其倾向于产生幻觉，这块我的理解是这就是很直觉的因为LLM不知道所以就瞎编）），解决方案就是让LLM去调用外部工具。
现存的解决方案要么需要人工标注¹，要么外部工具类型单一^{2 3}，而Toolformer就可以实现：

• 自监督学习使用工具，不需要大规模人工标注。
• 工具可选范围广泛

2. Toolformer

训练过程实现方法：

1. 用LLM自监督标注出API调用训练集（可以视为是bootstrapping方法）
   大致来说就是根据query抽样API调用位置和命令，执行命令，从返回的结果中选出不会降低接下来token的语言模型损失函数的样本中损失函数最低的样本。
   （设计评估API的损失函数这里有很多太细节的东西我就懒得写了，总之这里有一点比较tricky就是拿API召回结果当前缀……）
   最后将返回结果嵌入LLM回答中。
   
   以QA工具为例，抽样时采用的prompt模版（全部模版见Appendix A.2）：
   
   
   整体流程：
   
2. 微调LLM

推理过程：在出现→token时调用API

用字符串表示一个API调用

一个API调用是一个元组$c=(a_c,i_c)$，$a_c$是API名称（函数），$i_c$是API输入（参数）。
$r$是API返回结果，我们定义序列化的API调用（指用字符串表示的一个API调用），带不带返回结果的如下两种情况：

<API></API>→是特殊字符，在实际实验中用词表中存在的token[]->来替代，如Figure 1所示：

API

具体选了哪些API之类的，我懒得写了。总之在这里粘一下正文图表：

API及其输入输出示例：

3. 实验

1. 数据集构建

↓ 这个是调用API的位置和“调用API有用”的位置之间的threshold和API量，就是权重低于这个阈值才会选择调用（把这个样本放进数据集）。threshold是API-specific的。细节见原文及Appendix A。

2. 主实验结果

LAMA：评估标准略，总之LM是应用于left-to-right模式，以及对多token场景评估准确率用的不是完全匹配。

求解数学题：用模型生成的结果中的第一个数字

QA：（本文提及希望与搜索内容互动。啊这个思路感觉很多新模型已经实现了……）

跨语言QA：

带时间信息的数据集：

LM：

3. 模型分析

1. Scaling Laws

用GPT-2系列来分析模型具不具有scaling laws：

2. 解码策略

top-k里的那个k：

3. 数据质量

检验API返回结果的有效性：

---

1. (2022 ACL) Internet-Augmented Dialogue Generation
   (2022 谷歌) Re69：读论文 LaMDA: Language Models for Dialog Applications ↩︎

2. PAL: Program-aided Language Models ↩︎

3. TALM: Tool Augmented Language Models
   Internet-augmented language models through few-shot prompting for open-domain question answering ↩︎