返回
Optimizing generative AI by backpropagating language model feedback
DOI:10.1038/s41586-025-08661-4.png)
摘要
En 中文
近期人工智能(AI)领域的重大突破日益依赖于能够协调多个大型语言模型(LLMs)及其他专用工具(如搜索引擎和模拟器)的系统。目前,这些系统主要是由领域专家手工设计并通过启发式方法进行调整,而非自动优化,这给加速发展带来了巨大挑战。人工神经网络的发展曾面临类似困境,直到反向传播和自动微分的出现通过实现优化自动化而彻底改变了该领域。类似地,本文引入了TextGrad,这是一个能够通过反向传播LLM生成的反馈来优化AI系统的通用框架。通过利用自然语言反馈来评价并改进系统的任何部分——从提示词到分子或治疗方案等输出——TextGrad实现了跨任务生成式AI系统的自动优化。我们通过在解决博士水平科学问题、优化放射治疗计划、设计具有特定性质的分子、编码以及优化智能体系统等方面的研究,证明了TextGrad的通用性和有效性。TextGrad赋能科学家和工程师能够轻松开发具有影响力的生成式AI系统。
Keyword:
ALGORITHMS
期刊
IF:
48.5
论文数:
1.8W
被引数:
96.5W
机构
引用论文
High-dimensional automated radiation therapy treatment planning via Bayesian optimization通过贝叶斯优化的高维自动放射治疗治疗计划
MEDICAL PHYSICS
IF3.2

