Scalable Prompt Routing via Fine-Grained Latent Task Discovery
تقترح هذه الورقة بنية توجيه مطالبات ذات مرحلتين وقابلة للتوسع، تستفيد من التجميع القائم على الرسوم البيانية لاكتشاف المهام الكامنة بدقة متناهية ومن نموذج خليط من الخبراء لتقدير الجودة المدرك للمهام، مما يحقق أداءً فائقاً وكفاءة في التكلفة عبر مختلف النماذج الرائدة مقارنة بالنماذج المرجعية الحالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تدير مطعماً ضخماً وعالي التقنية، بقائمة طعام تضم 11 من كبار الطهاة المشهورين (نماذج اللغات الكبيرة - LLMs). بعضهم أساتذة في الرياضيات، وبعضهم شعراء، وآخرون عباقرة في البرمجة، وآخرون بارعون في المحادثات العامة.
هدفك هو تقديم الطبق المثالي (أفضل إجابة) لكل زبون دون إهدار المال على أغلى طاهٍ لكل طلب.
المشكلة: خطأ "النموذج الواحد الذي يناسب الجميع"
في الماضي، حاول مديرو المطاعم (أنظمة التوجيه) تخمين أي طاهٍ سيستخدم بطريقتين:
- القائمة اليدوية: حاولوا تصنيف كل طلب إلى فئات عريضة مثل "رياضيات" أو "كتابة". لكن هذا وصف غامض للغاية. فطلب "الرياضيات" قد يكون مجرد عمليات حسابية بسيطة أو فيزياء كم معقدة. فئة "الرياضيات" الواحدة لا تخبرك أي طاهٍ محدد هو الأفضل لهذا اللغز بعينه.
- المدير العام: قاموا بتعيين مدير خارق واحد ليفحص كل طلب ويخمن الطاهي الأفضل. ولكن مع وجود 11 طاهياً، جميعهم موهوبون للغاية ومتشابهون جداً في المهارة، يصاب هذا المدير بالارتباك. لا يمكنه رصد الفروق الدقيقة التي تجعل الطاهي (أ) أفضل في هذه المهمة المحددة من الطاهي (ب).
النتيجة؟ إما أن تختار الطاهي الخطأ (طعام سيء) أو تختار أغلى طاهٍ لكل شيء (إهدار للمال).
الحل: FineRouter (المطبخ الذكي)
قام مؤلفو هذه الورقة البحثية ببناء نظام جديد يسمى FineRouter. فكر فيه كنظام إدارة مطبخ ذكي للغاية يتكون من مرحلتين، ولا يعتمد على قائمة طعام ثابتة أو مُخمّن واحد.
المرحلة الأولى: اكتشاف "القائمة السرية" (إيجاد الأنماط الخفية)
بدلاً من استخدام قائمة طعام مكتوبة مسبقاً، يقوم النظام بفحص آلاف الطلبات السابقة ويكتشف فئاته الخاصة.
- كيف يعمل: يقوم بتجميع الطلبات المتشابهة معاً بناءً على شيئين: ما يقوله الطلب (الكلمات)، وأي الطهاة قدموا أفضل أداء تاريخياً في طلبات مشابهة.
- السحر الكامن: إنه يجد "الفئات الدقيقة" التي قد يغفل عنها البشر. على سبيل المثال، قد يدرك أن "أسئلة رموز المناطق الهاتفية" هي مهارة مختلفة تماماً عن "حل معادلات الجبر"، رغم أن كليهما يندرج تحت "الرياضيات" أو "الحقائق".
- النتيجة: ينشئ "قائمة سرية" تضم أكثر من 300 نوع دقيق من المهام. ولكل نوع، يعرف بالضبط أي طاهيين أو ثلاثة هم الأنسب له.
المرحلة الثانية: "فريق المتخصصين" (خليط الخبراء)
الآن بعد أن عرف النظام "القائمة السرية"، فإنه يشكل فريقاً متخصصاً.
- الإعداد: تخيل مركزاً رئيسياً. عندما يصل طلب زبون جديد:
- ممرض الفرز (المرحلة 1): ينظر بسرعة إلى الطلب ويقول: "آه، هذا طلب 'رمز منطقة هاتفية'! هذا يذهب إلى فريق 'الجغرافيا/الاتصالات'".
- الطهاة المتخصصون (المرحلة 2): بدلاً من طلب الطهاة الـ 11 جميعاً للطهي، يقوم النظام بإيقاظ الطهاة المحددين الذين هم خبراء في تلك الفئة الصغيرة فقط. ويسألهم: "ما مدى براعتكم في هذه المهمة المحددة؟"
- النهج الهجين: إذا لم يكن النظام متأكداً من الفئة التي ينتمي إليها الطلب، فإنه يعود إلى تقدير عام لـ "جميع الطهاة". ولكن عادةً، فإنه يستخدم فريق المتخصصين.
القرار النهائي: "أفضل ما في العالمين" (التصويت)
يجمع النظام بين معلومتين لاتخاذ القرار النهائي:
- متوسط المجموعة: "تاريخياً، بالنسبة لهذا النوع من المهام، الطاهي (س) هو الأفضل عادةً".
- اللمسة الدقيقة المحددة: "ولكن بالنظر إلى صياغة هذا الطلب تحديداً، قد يكون للطاهي (ص) أفضلية طفيفة".
إنه يمزج هاتين الإشارتين لاختيار الفائز المطلق.
لماذا هذا مهم (النتائج)
اختبرت الورقة هذا النظام باستخدام 11 من أكثر نماذج الذكاء الاصطناعي تقدماً في العالم عبر 10 أنواع مختلفة من التحديات (من البرمجة إلى المعلومات العامة إلى الرياضيات).
- طعام أفضل: اختار النظام الطاهي الصحيح في كثير من الأحيان أكثر مما يمكن لأي طاهٍ بمفرده أن يفعل. لقد تفوق فعلياً على أفضل نموذج واحد في المجموعة.
- فاتورة أقل: لأنه لم يختر الطاهي الأغلى ثمناً لكل وظيفة بشكل أعمى، فقد حقق هذه النتائج بتكلفة أقل من النصف.
- القابلية للتوسع: مع انضمام المزيد من الطهاة إلى المطبخ (المزيد من نماذج الذكاء الاصطناعي)، يصبح هذا النظام أكثر ذكاءً في إيجاد الفروق الدقيقة بينهم، بينما كانت الأنظمة القديمة ستصاب بالارتباك فحسب.
الملخص التشبيهي
- الطريقة القديمة: سؤال شخص واحد لتخمين أي رياضي من بين 11 رياضياً أولمبياً هو الأفضل في رياضة معينة، أو مجرد اختيار الأكثر شهرة بينهم.
- طريقة FineRouter: أولاً، تحليل آلاف المباريات السابقة لإدراك وجود أكثر من 300 "نيش رياضي" (تخصص دقيق). ثم، إنشاء فريق من الكشافين الذين يعرفون بالضبط أي رياضي يتفوق في كل "نيش" محدد، والاتصال بهؤلاء الرياضيين المحددين فقط عندما تبدأ لعبة جديدة.
يضمن هذا النهج الحصول على أداء الميدالية الذهبية دون دفع ثمن الفريق الأولمبي بأكمله في كل مرة تحتاج فيها إلى إجابة واحدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.