ゴリラのオープン機能システムの最新アップデートにより、大規模言語モデルとさまざまなAPIの間の相互作用を強化する一連の強力な機能が導入されました。主な注目点は以下の通りです:

1. 多言語サポート: 更新されたシステムでは、既存の様々なプログラミング言語に加えて、Javaおよびpythonで記述されたAPIの呼び出しもサポートするようになりました。

2. 並列関数呼び出し: ゴリラのオープン機能v2により、ユーザーは複数の関数を同時に生成および実行できるようになり、効率性が向上し、エラーが減少しました。

3. 精度と互換性の向上: このシステムは現在、関数の関連性をより正確に検出し、エラーを減らし、精度を向上させています。また、より幅広いデータ型をサポートし、さまざまなアプリケーションとの互換性が向上しています。

4. Webサービス統合の強化: ゴリラのオープン機能v2は、RESTfulAPIコールの処理を改善し、Slack、PayPal、StripeなどのWebサービスとの統合時のパフォーマンスが向上しています。

5. シームレスな統合: これらの更新により、ゴリラのオープン機能v2は、ソーシャルメディアからツール活用まで、さまざまなアプリケーションの直接の代替品となっており、言語モデル関数呼び出し機能のリーディングソリューションとしての地位を固めています。

ゴリラのオープン機能v2を使い始めるには、Hugging Faceで事前学習済みモデルをインストールし、提供されている統合ガイドに従ってご自身のアプリケーションに組み込むことができます。この強力なアップデートにより、大規模言語モデルを幅広い用途で活用する新しい可能性が開かれました。

ゴリラ エージェントおよびアシスタントマーケットプレイスは、LLaMA、Anthropic、OpenAIなどの主要なAIプロバイダから150以上の認定エージェントにアクセスできるオープンソースのプラットフォームです。このユニファイドインターフェイスにより、ユーザーは簡単にエージェントを検索、展開、カスタマイズして、データ抽出、APIインタラクションなど、幅広い業務を自動化することができます。

このマーケットプレイスには、エージェントの検証進捗バーが備わっており、ユーザーはこれらのエージェントの開発に参加し、貢献することができます。これにより、生産性を高める協調的な環境が醸成されています。例えば、Google Jobsエージェントは、ユーザーのプロンプトに基づいて実時間の求人情報を提供するなど、これらのエージェントの機能を示しています。

ゴリラ エージェントおよびアシスタントマーケットプレイスを活用することで、ユーザーはAIツールやサービスのエコシステムにアクセスし、自身のニーズに合わせてカスタマイズすることができます。このプラットフォームにより、ユーザーは自身のワークフローを効率化し、大規模言語モデルの全ポテンシャルをアプリケーションやプロジェクトで引き出すことができます。

GoXは、ゴリラが導入したオープンソースのランタイムで、ユーザーが最小限の人的監督で自律的な大規模言語モデルアプリケーションを実行できるようにします。この革新的なプラットフォームは、大規模言語モデルによる生成コードの実行に簡単直感的なインターフェイスを提供しつつ、アクションのコミットやアンドゥが可能で、安全性と管理性を確保しています。

GoXの主な機能は以下の通りです:

1. 自律的な実行: GoXにより、大規模言語モデルがSlackメッセージの送信、ファイル管理など、アプリケーションやサービスと自律的に対話できるようになりました。

2. 被害の封じ込め: このプラットフォームには、アクションを実行後に検証する機能や、望ましくない結果を元に戻すアンドゥ機能など、リスクを軽減する機能が組み込まれています。

3. RESTful APIサポート: GoXはRESTful APIコールをサポートし、幅広いWebサービスやアプリケーションとの統合を可能にしています。

4. Webベースのインターフェイス: ユーザーは、GoXが提供するWebベースのインターフェイスから、大規模言語モデルによる生成コードの作成、編集、実行ができます。

GoXを活用することで、ユーザーは大規模言語モデルの全ポテンシャルを引き出し、様々なアプリケーションやサービスと自律的に対話させることができます。このオープンソースのランタイムは、安全で管理された環境を提供し、ユーザーがこれらの高度なAIモデルの力を自信を持って活用できるようサポートします。

GoXの使用を開始するには、ゴリラプロジェクトのドキュメントを参照し、このイノベーティブなランタイムをご自身のアプリケーションやワークフローに統合する手順を確認してください。

ゴリラのRAFT(Retrieval Augmented Fine-Tuning)は、ドキュメントに保存されたドメイン固有の知識を活用することで、大規模言語モデルの性能を向上させる手法です。RAFTの主な焦点は、オープンブック設定で質問に答える際に、関連性の高いドキュメントと低い関連性のドキュメントを効果的に区別し、情報の抽出を強化し、幻想的な出力を最小限に抑えることです。

RAFTを採用することで、ゴリラは、バイオメディカル研究やエンタープライズデータなどの特定のドメインで正確な応答を提供する大規模言語モデルの能力を向上させることを目指しています。この手法は、詳細な知識検索を必要とする専門的なタスクにおける大規模言語モデルのパフォーマンスを高めます。

RAFTの手法は、モデルが自身の学習済み知識のみに頼るのではなく、関連ドキュメントに含まれる情報を効果的に活用するように訓練することで機能します。これにより、モデルはより広範で包括的な知識ベースにアクセスできるようになり、より正確でドメイン固有の応答が可能になります。

RAFTの統合により、ゴリラの大規模言語モデルは、幅広いドメイン固有のドキュメントから関連情報を効果的に検索・抽出できるようになり、専門的なアプリケーションでの全体的なパフォーマンスと有用性が向上します。