在自然語言處理任務(wù)中取得顯著成就的大型語言模型（LLMs）盡管表現(xiàn)出色，但在實(shí)時信息獲取、外部工具利用和精確數(shù)學(xué)推理方面仍顯不足。

為了應(yīng)對這些挑戰(zhàn)，來自UCLA等機(jī)構(gòu)的研究人員打造了全新的Chameleon框架，其獨(dú)特的即插即用模型融合了多種工具，包括LLMs、視覺模型、網(wǎng)絡(luò)搜索引擎、Python功能及基于規(guī)則的模塊。

項(xiàng)目鏈接：https://chameleon-llm.github.io/

論文鏈接：https://arxiv.org/abs/2304.09842

代碼鏈接：https://github.com/lupantech/chameleon-llm

解讀：https://www.youtube.com/watch?v=EWFixIk4vjs&ab_channel=WorldofAI

Chameleon的核心在于通過LLM規(guī)劃器生成自然語言程序，從而找到最佳工具組合，并依次執(zhí)行這些工具來得出結(jié)論。

在科學(xué)問答任務(wù)ScienceQA和表格數(shù)學(xué)推理任務(wù)TabMWP上，Chameleon展示了其卓越性能，其中在ScienceQA中，模型以86.54%的準(zhǔn)確率超越了現(xiàn)有的少樣本模型，而在TabMWP中更是達(dá)到了驚人的98.78%準(zhǔn)確率，遠(yuǎn)超現(xiàn)有模型。

Chameleon之名源于變色龍的適應(yīng)和融合能力，象征著大型語言模型在執(zhí)行外部工具組合推理任務(wù)時的多功能性和適應(yīng)性。

自發(fā)布以來，Chameleon引起了廣泛關(guān)注，GitHub項(xiàng)目收藏近1000次，學(xué)術(shù)界引用近100次。在1682篇AI論文中脫穎而出，被AlphaSignal評為「周最佳論文」。

此外，一位著名學(xué)術(shù)博主在YouTube上深入解析了Chameleon，視頻播放量已超過1萬次。

源自變色龍的靈感

在實(shí)際應(yīng)用中，我們經(jīng)常會面臨各種類型和領(lǐng)域的不同工具，比如來自Hugging Face和GitHub的開源模型、像谷歌和必應(yīng)這樣的網(wǎng)絡(luò)搜索服務(wù)、維基百科等知識庫、生成式人工智能模型、Python函數(shù)、語言翻譯和圖像生成等等。

一個引人注目的問題是，如何將這些多樣的工具與大型語言模型相結(jié)合，以解決復(fù)雜的任務(wù)。

答案就在于工具增強(qiáng)（Tool-Augmented）的大型語言模型或大型語言模型代理（LLM Agent）！

通過規(guī)劃和整合多個工具和資源到大型語言模型框架中，我們可以創(chuàng)建一個更加多功能和強(qiáng)大的系統(tǒng)，以便處理各種領(lǐng)域的復(fù)雜任務(wù)。

因此，UCLA的研究人員提出了Chameleon-變色龍推理框架。Chameleon的靈感來自自然界中的變色龍，就像變色龍能夠通過改變皮膚顏色來適應(yīng)周圍環(huán)境一樣，Chameleon模型可以根據(jù)不同的輸入問題，組合和使用各種不同的工具來完成相應(yīng)的復(fù)雜推理。

例如，在解決多模態(tài)任務(wù)ScienceQA時，Chameleon模型會為不同的問題生成不同的程序，以靈活組合各種工具，并按照一定的順序執(zhí)行它們，從而最終得出答案。這種靈活性和適應(yīng)性使Chameleon成為解決復(fù)雜任務(wù)的強(qiáng)大工具。

Chameleon模型與相關(guān)工作的比較

與相關(guān)工作相比，Chameleon模型在工具多樣性和調(diào)用靈活性方面具有顯著優(yōu)勢。首先，Chameleon支持LLM模型、視覺模型、網(wǎng)絡(luò)搜索引擎、Python函數(shù)以及基于規(guī)則的模塊，這些不同工具之間能夠通過自然語言進(jìn)行通信。

與此不同，已有的工作如Toolformer僅支持少量工具，如問答、計算器、機(jī)器翻譯、WikiSearch和日歷查詢，而HuggingGPT僅適用于視覺處理相關(guān)的模型。

其次，Chameleon模型允許以類似自然語言的方式生成不同工具的調(diào)用組合，無需設(shè)計復(fù)雜格式的程序。而在已有的工作中，如ViperGPT，則需要生成精心設(shè)計、符合特定格式的Python代碼，這對編程水平有限的用戶來說并不友好。

基于LLM的工具規(guī)劃器

Chameleon模型與以往方法的不同之處在于其能夠合成各種工具的組合，以適應(yīng)不同類型的推理問題。

該模型由兩個主要組成部分構(gòu)成：工具箱（Module Inventory）和LLM規(guī)劃器（LLM Planner）。工具箱包含了多種工具，使Chameleon模型具備了多樣性和多維度的推理能力。

LLM規(guī)劃器基于大型語言模型實(shí)現(xiàn)，可以根據(jù)不同的輸入問題生成自然語言形式的程序，從而實(shí)現(xiàn)對工具箱中的工具進(jìn)行組合和調(diào)用。

LLM規(guī)劃器的實(shí)現(xiàn)非常簡潔高效，充分利用了大型語言模型的提示學(xué)習(xí)（Prompt Learning）和語境學(xué)習(xí)（In-Context Learning）能力。LLM規(guī)劃器的輸入提示描述了需要生成不同工具組合序列的情境，同時定義了工具箱中的所有工具。

LLM規(guī)劃器的提示還提供了一些語境示例，以指導(dǎo)大型語言模型如何根據(jù)輸入信息生成正確的程序。

基于這些描述和示例，大型語言模型，如ChatGPT和GPT-4，能夠?qū)W習(xí)如何針對新的輸入問題生成適當(dāng)?shù)某绦颍越M合和調(diào)用工具箱中的不同工具，從而完成涉及復(fù)雜推理的輸入問題。

Chameleon模型的一大優(yōu)勢在于為用戶提供了豐富的靈活性，只需提供語言描述，就能讓大型語言模型與外部工具協(xié)同工作，覆蓋多種類型和技能維度。此外，它具有即插即用的特性，允許用戶無縫更新底層大型語言模型、添加新工具，并適應(yīng)新的任務(wù)。

Chameleon工具箱的多樣技能

為滿足多樣的推理需求，Chameleon的工具箱中包含了各種不同技能的工具，包括圖像理解、知識理解、數(shù)學(xué)推理、表格推理和問答。

基于LLM的工具實(shí)現(xiàn)

需要強(qiáng)調(diào)的是，Chameleon的工具箱中包括了基于LLM（大型語言模型）的工具。

以「知識檢索（Knowledge Retrieval）」工具為例。在幫助系統(tǒng)解決復(fù)雜問題時，檢索額外的知識至關(guān)重要。

這個工具模塊利用大型語言模型強(qiáng)大的生成能力來獲取特定領(lǐng)域的知識。這在處理專業(yè)領(lǐng)域問題，如科學(xué)和數(shù)學(xué)時尤為有用。

舉例來說，如果問題涉及理解稅表，這個模塊可以生成與稅務(wù)相關(guān)的背景知識，這對后續(xù)的推理步驟至關(guān)重要。

最近的研究表明，程序輔助方法可以提高大型語言模型在邏輯和數(shù)學(xué)推理方面的能力。

因此，工具箱中還包括了「程序生成（Program Generator）」工具，它利用大型語言模型的語境學(xué)習(xí)和代碼生成能力，結(jié)合輸入問題，生成可以有效解決給定問題的Python程序。

此外，還可以構(gòu)建「解答生成（Solution Generator）」工具，它能指導(dǎo)大型語言模型充分利用輸入問題、上下文信息和歷史工具執(zhí)行的中間結(jié)果，生成多步且詳細(xì)的解答。

Chameleon模型的評測表現(xiàn)

Chameleon模型在兩個復(fù)雜的多模態(tài)推理任務(wù)上進(jìn)行了實(shí)驗(yàn)評估，分別是ScienceQA和TabMWP。

ScienceQA，即科學(xué)問答，是一個涵蓋廣泛科學(xué)主題的多模態(tài)問答基準(zhǔn)測試。如下圖的例子所示，回答ScienceQA中的問題需要使用各種知識、工具和技能，例如圖像描述、文本檢測、知識檢索、在線資源搜索，以及視覺推理。這要求模型具備包括視覺和語言推理在內(nèi)的組合能力。

Chameleon模型中的LLM規(guī)劃器能夠合成程序，以調(diào)用不同的工具組合來回答ScienceQA中不同類型的問題。

例如，在下圖所示的第一個例子中，Chameleon模型識別到輸入圖像包含廣告文本，因此調(diào)用了「文本檢測（Text Detector）」工具來理解圖像中的文字。

隨后模型調(diào)用「知識檢索（Knowledge Retrieval）」工具來檢索問題所涉及到的術(shù)語「persuasive appeal」的相關(guān)背景知識。最后，模型根據(jù)輸入問題和執(zhí)行之前工具得到的中間結(jié)果得出最終的答案。

第二個問題涉及到識別圖像中的動物并回答環(huán)境適應(yīng)性的問題。

Chameleon模型調(diào)用了「圖像描述（Image Captioner）」工具來理解圖像中的動物，并通過調(diào)用「必應(yīng)搜索（Bing Search）」來獲取相關(guān)的學(xué)科背景知識，最終的答案充分利用了這些信息。

詳細(xì)的評測結(jié)果也充分證明了Chameleon模型在ScienceQA任務(wù)上的有效性。

Chameleon模型在表格推理任務(wù)TabMWP中同樣展現(xiàn)了其出色的靈活性和有效性。TabMWP是一個基于表格上下文的數(shù)學(xué)推理任務(wù)，要求模型理解多種形式的表格并執(zhí)行精確的數(shù)值計算。

在下圖的第一個示例中，涉及對計數(shù)表格進(jìn)行數(shù)學(xué)推理。Chameleon模型調(diào)用「知識檢索（Knowledge Retrieval）」工具來理解如何計算列表的中位數(shù)。然后，它依賴于程序輔助工具進(jìn)行精確計算。

第二個示例需要在較大的表格上下文中定位到一個單元格。

為此，Chameleon模型調(diào)用工具箱中的「行查找（Row Lookup）」工具來準(zhǔn)確定位表格中的相關(guān)行。接下來，Chameleon模型只需理解簡化的表格，然后生成最終的自然語言答案，而無需生成Python代碼來增強(qiáng)數(shù)學(xué)推理。

類似地，Chameleon模型在TabMWP任務(wù)中也展現(xiàn)了強(qiáng)大的推理能力。

下圖突顯了這兩個任務(wù)中的關(guān)鍵基準(zhǔn)模型。在ScienceQA任務(wù)中，Chameleon模型與GPT-4合作，實(shí)現(xiàn)了86.5%的準(zhǔn)確率，是當(dāng)前最優(yōu)秀的few-shot模型。

同樣地，Chameleon在TabMWP數(shù)據(jù)集上實(shí)現(xiàn)了98.8%的準(zhǔn)確率，領(lǐng)先最先進(jìn)模型17.0%的性能。

消融實(shí)驗(yàn)揭示Chameleon的關(guān)鍵模塊

研究人員進(jìn)行了消融實(shí)驗(yàn)，分析了當(dāng)禁用生成程序中的關(guān)鍵模塊時，Chameleon模型的準(zhǔn)確率下降情況。

實(shí)驗(yàn)結(jié)果顯示，「知識檢索（Knowledge Retrieval）」模塊在兩項(xiàng)任務(wù)中都扮演了重要的角色。

對于ScienceQA任務(wù)，特定領(lǐng)域的工具，如「必應(yīng)搜索（Bing Search）」和與視覺相關(guān)的工具，起到了關(guān)鍵作用，而在TabMWP任務(wù)中，常用的「程序生成（Program Generator）」模塊對最終性能的影響也非常顯著。

Chameleon模型的工具規(guī)劃能力

不同工具的使用比例

通過可視化Chameleon模型生成的程序中不同工具的使用比例，可以觀察到使用不同的語言模型時，LLM規(guī)劃器表現(xiàn)出不同的規(guī)劃行為。

通常情況下，ChatGPT對于使用或不使用某些工具有較強(qiáng)的偏好。例如，在回答ScienceQA問題時，ChatGPT傾向于調(diào)用「知識檢索（Knowledge Retrieval）」，占用比例為72%，而僅在3%的情況下調(diào)用「必應(yīng)搜索（Bing Search）」。

在TabMWP任務(wù)中，ChatGPT更依賴「行查找（Row Lookup）」工具，較少調(diào)用「列查找（Column Lookup）」。

而GPT-4在工具選擇上表現(xiàn)得更加客觀和理性。例如，在回答ScienceQA的科學(xué)問題時，GPT-4更頻繁地調(diào)用「知識檢索」，并且相對ChatGPT更頻繁地調(diào)用「Bing搜索」（11% vs. 3%）。

工具調(diào)用的轉(zhuǎn)態(tài)轉(zhuǎn)移圖

通過可視化Chameleon模型生成的程序中不同工具的狀態(tài)轉(zhuǎn)移圖，可以觀察到LLM規(guī)劃器在工具調(diào)用中所展現(xiàn)的規(guī)律。

例如，在ScienceQA任務(wù)中，Chameleon模型通常會選擇使用「知識檢索（Knowledge Retrieval）」來獲取大型語言模型中的內(nèi)部知識，或者調(diào)用「必應(yīng)搜索（Bing Search）」來獲取互聯(lián)網(wǎng)上的在線信息。

在TabMWP任務(wù)中，我們觀察到兩種主要的工具調(diào)用模式：Chameleon模型要么直接通過自然語言推理來完成回答，要么利用程序生成相關(guān)的工具來增強(qiáng)邏輯和數(shù)學(xué)推理。

Chameleon模型的進(jìn)一步發(fā)展

Chameleon模型通過其簡單高效的框架，實(shí)現(xiàn)了大型語言模型與多種外部工具的高效協(xié)同，從而顯著增強(qiáng)了在復(fù)雜任務(wù)上的推理能力。

在大型語言模型的工具增強(qiáng)領(lǐng)域，未來有許多潛在的發(fā)展方向：

（1）擴(kuò)展工具箱：可以將工具箱擴(kuò)展到更多工具，包括特定領(lǐng)域的工具，如Wolfram。這將進(jìn)一步增加Chameleon模型在不同任務(wù)和領(lǐng)域中的適用性，使其成為更全面的多功能工具。

（2）改進(jìn)規(guī)劃器：可以考慮提出更加準(zhǔn)確的規(guī)劃器，例如能夠逐步規(guī)劃下一步驟的工具，并根據(jù)執(zhí)行結(jié)果的反饋進(jìn)行規(guī)劃優(yōu)化。這將有助于提高Chameleon模型在復(fù)雜任務(wù)中的效率和準(zhǔn)確性。

（3）輕量化替代：未來可以考慮將涉及到大型語言模型的部分替換為更輕量級的本地模型，以減小計算資源的消耗，提高模型的響應(yīng)速度，并降低部署成本。這將使Chameleon模型更適用于實(shí)際應(yīng)用場景。

總之，Chameleon模型的未來發(fā)展有望在工具增強(qiáng)領(lǐng)域取得更大的突破，為解決復(fù)雜問題提供更強(qiáng)大的支持，并拓展其應(yīng)用范圍。