Познакомьтесь с NexusRaven-V2 13B LLM, превосходящей GPT-4 в вызове функций в режиме Zero-Shot и умеющей преобразовывать естественные языковые инструкции в исполняемый код.

Познакомьтесь с NexusRaven-V2 13B LLM, мощнее GPT-4 в нулевом режиме и конвертирующей языковые инструкции в код.

LLMs могут быть настроены на наборы данных, связанных с кодом, чтобы генерировать фрагменты кода, включая вызовы функций. Эти модели могут предлагать или генерировать код, включающий вызовы функций на основе предоставленного ввода, предоставляя контекст или подсказки. Языковые модели могут быть использованы для понимания кода по запросам или инструкциям, связанным с кодом. Разработчики могут задавать вопросы или описания, и модель может интерпретировать их для предоставления соответствующих вызовов функций или фрагментов кода в качестве ответов.

LLMs могут помогать в автозаполнении кода, предлагая вызовы функций или предлагая соответствующие функции на основе контекста или частичного предоставленного кода. Это помогает разработчикам писать код быстрее и точнее. LLMs могут помочь выбрать соответствующие API или процедуры на основе задачи или описания проблемы, помогая разработчикам найти правильные функции для вызова в своем коде. Интеграция LLMs в среды разработки может предоставить разработчикам помощь в режиме реального времени, направляя их по вызовам функций, типам параметров или потенциальным ошибкам.

Исследователи из Nexusflow предлагают модель LLM с открытым исходным кодом, NexusRaven-V2. Она может преобразовывать инструкции на естественном языке в исполнимый код для использования инструментов. API помощника OpenAI является ключом к обеспечению возможности использования совместных пилотов и агентов инструментами программного обеспечения. NexusRaven-V2 стремится развивать модели с открытым исходным кодом для совместных пилотов и агентов.

• Создание многопрофильных оптических иллюзий с помощью машинного обучения изучение методов нулевой классификации для динамического преобразования изображений
• Повышение надежности машинного обучения как атипичность улучшает производительность модели и определение неопределенности
• Meta AI представляет Relightable Gaussian Codec Avatars искусственный интеллект для создания высококачественных Relightable Head Avatars, которые можно анимировать для генерации новых выражений

NexusRaven-V2 обеспечивает более высокую процентную успешность вызова функций по сравнению с GPT-4 на уровне до 7% в использовании, созданном людьми, включающем вложенные и составные функции. NexusRaven настроен на инструкцию CodeLlama-13 B Meta. Он использует конвейеры Nexusflow для получения информации исключительно из открытых корпусов исходного кода без использования патентованной LLM. Он находится в коммерческих фазах для разработчиков сообщества и предприятий.

Было отмечено, что NexusRaven-V2 превосходит последнюю модель GPT-4 с более высокой процентной успешностью вызова функций в среднем на 4% на наших подготовленных людьми показателях. Стоит отметить, что в 4 сложных задачах, требующих вызова вложенных и составных функций. Кроме того, NexusRaven-V2 проявляет большую устойчивость, чем GPT-4, при обработке вариаций описания функций разработчиками.

Команда выпустила утилиты с открытым исходным кодом, которые позволяют пользователям без проблем заменить популярные патентованные API вызова функций на NexusRaven-V2 в рабочем процессе программного обеспечения. Они также предоставляют онлайн-демонстрации и книжки Colab для обучения и демонстрации интеграции. Они открыли исходные коды своих оценочных показателей Nexus-Function-Calling и установили рейтинговую таблицу Huggingface, в которую входит обширная коллекция реальных примеров вызова функций, подготовленных людьми, охватывающая различные случаи использования вызовов функций и сложности.

В будущем LLM для вызова функций может быть полезным в образовательной среде, предоставляя учащимся помощь в реальном времени, направляя их по правильному вызову функций, что помогает понимать концепции программирования.