大規模言語モデル(LLM)が現実世界と対話し、単なるチャットアシスタントを超えて有用になるためには、関数呼び出しは重要な機能です。LLMは内部知識だけでは特定のタスク(例えば現在の気象条件の取得)を実行できない場合がありますが、外部APIや関数を活用することで必要な情報を取得し処理することができます。

関数呼び出しの流れは以下の通りです:

1. LLMは内部の学習知識に基づいて操作を実行できるかどうかを判断し、必要に応じて外部ツールや関数を使用する。
2. 外部ツールが必要な場合、LLMはユーザーのクエリを分析し、適切な関数を選択する。
3. LLMはPythonコンパイラを使用して関数呼び出しを行い、結果を取得し、最終的な応答を生成する。

この機能により、LLMは機能を拡張し現実世界と対話することができ、より有用で柔軟になります。関数呼び出しにより、LLMは内部知識だけでは不可能な気象予報、株式市場分析、デバイス制御などのタスクを実行できるようになります。

このセクションでは、モデルの複数の関数呼び出しと入れ子の関数呼び出しを扱う能力を探ります。複雑なクエリを分解し、複数の関数を順次実行して包括的な応答を提供するモデルの能力を検証することが目的です。

最初に、モデルが2つの別々の関数を実行して、ユーザーのクエリに対応する必要がある多機能呼び出しの例を見ていきます。モデルは関連する関数を識別し、必要な関数呼び出しを行い、結果を組み合わせて最終的な応答を生成できる必要があります。

Next, we will explore the concept of nested function calls. In this scenario, the output of one function call becomes the input for another function call. The model needs to recognize this dependency, execute the functions in the correct order, and provide the final result to the user.

To ensure the model's responses are accurate and well-formatted, we will utilize a system message that guides the model on how to handle dependent function calls. This approach helps the model maintain the integrity of the data throughout the multi-stage function execution process.

Finally, we will test a more complex example that combines both multi-function calling and nested function calls. This will demonstrate the model's ability to handle intricate queries and coordinate the execution of multiple functions to deliver a comprehensive and accurate response.

By exploring these examples, we can assess the model's versatility and its capacity to interact with real-world scenarios that require the integration of external tools and functions.

入れ子の関数呼び出しは、複数の関数の出力を連鎖させることで、複雑な多段階の操作を実行できる強力な機能です。この機能は、言語モデルが現実世界と対話し、単純なチャットボットを超えた高度なユースケースに取り組むために不可欠です。

このセクションでは、Mistol 7B version 3モデルが入れ子の関数呼び出しをどのように処理できるかを探ります。ここでは、1つの関数呼び出しの出力が別の関数呼び出しの入力となる場合を扱います。これにより、モデルは複雑なユーザークエリを一連の相互依存的なステップに分解し、それぞれのステップを個別の関数で実行できるようになります。

入れ子の関数呼び出しを実装する際の主なステップは以下の通りです:

1. 依存関数の識別: モデルは、ユーザークエリが1つの関数の出力を別の関数の入力として必要とするかどうかを認識する必要があります。これには、利用可能な関数とそのI/O関係に関する包括的な理解が必要です。

2. 関数呼び出しの順次実行: 依存関数が識別されたら、モデルは正しい順序で関数を実行し、1つの関数呼び出しの結果を次の関数呼び出しに渡す必要があります。

3. 出力の適切な書式化: 最終的な出力が正確で意味のあるものになるよう、モデルはシステムメッセージを使用して中間の関数呼び出し結果の書式設定を行う必要があります。

これらの技術を習得することで、言語モデルは複雑な現実世界のタスクに取り組むことができ、複数の外部ツールやAPIを seamlessly に統合し、ユーザーに包括的で適切な応答を提供できるようになります。この機能レベルは、言語モデルを幅広い用途で本当に有用で不可欠なものにするための重要なステップです。

複数段階または入れ子の関数呼び出しを扱う際は、入力と出力の書式設定が正しいことを確認することが不可欠です。Uncle Codeは、アシスタントが適切なツールを選択し、それらの依存関係を適切に処理するためのシステムメッセージの使用を推奨しています。

提案されるシステムメッセージは以下の通りです:

あなたは役立つアシスタントです。ユーザークエリに関連するツールを選択するのがあなたの仕事です。複数のツールがある場合で、ツールが相互依存しており、1つのツールのパラメータ値が別の関数から来る場合は、@followed by the function nameを使ってパラメータ値を表してください。これにより、値が正しい形式で渡されます。

このシステムメッセージには2つの主要な目的があります:

1. ツールの選択: ユーザーのクエリに基づいて適切なツールを選択するよう、アシスタントに指示します。これにより、必要な機能がカバーされます。

2. 依存関係の処理: ツール間に相互依存関係があり、1つの関数の出力が別の関数の入力として必要な場合、システムメッセージはアシスタントに@function_nameの構文を使って前の関数の出力を参照するよう指示します。

このシステムメッセージを使うことで、アシスタントは入力と出力の書式設定を正しく行い、複数段階または入れ子の関数呼び出しを確実に実行できます。このアプローチにより、データフローの整合性を維持し、モデルの関数呼び出し機能を確実に活用できます。

Mistol V3モデルは、複数の関数呼び出しと入れ子の関数呼び出しを処理する能力を実証しました。主なポイントは以下の通りです:

1. モデルは、パリスの現在の天気とサンフランシスコの現在時刻を取得する例のように、複雑なユーザークエリを個別の関数呼び出しに分解し、並行して実行できます。

2. 1つの関数の出力が別の関数の入力となる入れ子の関数呼び出しについても、モデルは適切に処理できます。1つ目の関数呼び出しの出力が2つ目の関数呼び出しの入力に正しい形式で渡されるよう、システムメッセージを使用しています。

3. 最終的な例のように、複数の関数呼び出しと入れ子の関数呼び出しを組み合わせた複雑なケースにも対応できる点は、モデルの柔軟性と堅牢性を示しています。

全体として、Mistol V3モデルの関数呼び出し機能は、外部APIやサービスを活用できる対話型アプリケーションを構築するための強力なツールとなります。このモデルをプロジェクトに組み込むことで、単純なチャットを超えた幅広いタスクを実行できる知的アシスタントを作成できます。