Gorillas senaste uppdatering av sitt Open Functions-system har introducerat ett brett utbud av kraftfulla funktioner som förbättrar interaktionen mellan stora språkmodeller och olika API:er. Här är de viktigaste höjdpunkterna:

1. Flerspråkigt stöd: Det uppdaterade systemet stöder nu anrop av API:er skrivna i Java och Python, utöver det befintliga stödet för olika andra programmeringsspråk.

2. Parallella funktionsanrop: Gorillas Open Functions v2 gör det möjligt för användare att generera och köra flera funktioner samtidigt, vilket förbättrar effektiviteten och minskar fel.

3. Förbättrad noggrannhet och kompatibilitet: Systemet upptäcker nu bättre funktionsrelevans, vilket minskar fel och förbättrar noggrannheten. Det stöder också ett bredare utbud av datatyper, vilket förbättrar kompatibiliteten med olika tillämpningar.

4. Förbättrad integrering av webbtjänster: Gorillas Open Functions v2 erbjuder förbättrad hantering av RESTful API-anrop, vilket möjliggör bättre prestanda vid integrering med webbtjänster som Slack, PayPal och Stripe.

5. Smidig integrering: Uppdateringarna gör Gorillas Open Functions v2 till en drop-in-ersättning för olika tillämpningar, från sociala medier till verktygsanvändning, vilket stärker dess position som en ledande lösning för funktionsanrop med språkmodeller.

Gorilla Agent and Assistant Marketplace är en öppen plattform som ger tillgång till över 150 certifierade agenter från ledande AI-leverantörer som LLaMA, Anthropic och OpenAI. Detta enhetliga gränssnitt gör det enkelt för användare att söka, distribuera och anpassa agenter för att automatisera ett brett utbud av uppgifter, inklusive dataextrahering, API-interaktioner och mer.

Marknadsplatsen har en förloppsmätare för agentvalidering, vilket gör det möjligt för användare att granska och bidra till utvecklingen av dessa agenter, vilket skapar en samarbetsmiljö som förbättrar produktiviteten. Till exempel tillhandahåller Google Jobs-agenten realtidsjobblistor baserade på användaruppmaningar, vilket visar på dessa agenters kapacitet.

Genom att utnyttja Gorilla Agent and Assistant Marketplace kan användare dra nytta av ett diversifierat ekosystem av AI-drivna verktyg och tjänster, som de kan anpassa efter sina specifika behov. Denna plattform ger användare möjlighet att effektivisera sina arbetsflöden och utnyttja den fulla potentialen hos stora språkmodeller i sina tillämpningar och projekt.

GoX är en öppen körningsmiljö som introducerats av Gorilla, vilket gör det möjligt för användare att köra autonoma tillämpningar med stora språkmodeller med minimal mänsklig övervakning. Denna innovativa plattform ger ett enkelt och intuitivt gränssnitt för att köra generativ kod driven av stora språkmodeller, samtidigt som den erbjuder möjlighet att bekräfta eller ångra åtgärder, vilket säkerställer säkerhet och kontroll.

Nyckelfunktioner i GoX inkluderar:

1. Autonom körning: GoX gör det möjligt för stora språkmodeller att interagera med tillämpningar och tjänster autonomt, hantera uppgifter som att skicka Slack-meddelanden, hantera filer och mer.

2. Skadehantering: Plattformen innehåller funktioner för att minska risker, inklusive möjligheten att validera åtgärder efter att de har utförts och en ångra-funktion för att återställa oönskade resultat.

3. Stöd för RESTful API: GoX stöder RESTful API-anrop, vilket möjliggör smidig integrering med ett brett utbud av webbtjänster och tillämpningar.

4. Webbbaserat gränssnitt: Användare kan generera, redigera och köra kod som genererats av stora språkmodeller via det intuitiva webbbaserade gränssnittet som GoX tillhandahåller.

Gorillas RAFT (Retrieval Augmented Fine-Tuning) är en metod för att förbättra stora språkmodeller genom att träna dem att bättre utnyttja domänspecifik kunskap som lagras i dokument. Huvudfokus för RAFT är att finjustera modeller för att effektivt sortera relevanta från irrelevanta dokument när de svarar på frågor i en öppen bok-inställning, med betoning på informationsutvinning och minimering av hallucination.

Genom att använda RAFT strävar Gorilla efter att förbättra modellens förmåga att ge noggranna svar anpassade till specifika domäner, som biomedicinsk forskning eller företagsdata. Denna metod förbättrar prestandan hos stora språkmodeller i specialiserade uppgifter som kräver detaljerad kunskapsåterhämtning.

RAFT-metoden fungerar genom att träna modellen att effektivt utnyttja informationen i relevanta dokument, snarare än att förlita sig enbart på sin egen inlärda kunskap. Detta gör det möjligt för modellen att dra nytta av en bredare och mer omfattande kunskapsbas, vilket leder till mer korrekta och domänspecifika svar.

Genom integrationen av RAFT kan Gorillas stora språkmodeller bättre navigera och extrahera relevant information från en bred uppsättning domänspecifika dokument, vilket i slutändan förbättrar deras övergripande prestanda och användbarhet i specialiserade tillämpningar.

I denna omfattande översikt har vi utforskat de senaste uppdateringarna och framstegen i Gorilla-ramverket, ett kraftfullt verktyg som möjliggör för stora språkmodeller att smidigt integreras med ett brett utbud av API:er och tjänster.

Introduktionen av Open Functions Version 2 har avsevärt förbättrat modellens förmåga att anropa API:er, stödja flera programmeringsspråk och hantera parallella funktionsanrop. Denna förbättring säkerställer större noggrannhet, färre fel och förbättrad kompatibilitet med olika tillämpningar.

Agents and Assistant Marketplace är en annan spännande utveckling, som ger användare tillgång till över 150 certifierade agenter från ledande AI-leverantörer. Denna samarbetsplattform möjliggör enkel distribution och anpassning av agenter för att automatisera olika uppgifter, vilket främjar en produktiv och innovativ miljö.

Furthermore, introduktionen av GoX, en körningsmiljö för autonoma tillämpningar med stora språkmodeller, ger användare möjlighet att köra dessa modeller med minimal mänsklig övervakning. Inkluderingen av funktioner som skadehantering och ångra-funktionalitet bidrar till att minska risker och säkerställa säkerhet.

Avslutningsvis syftar Retrieval Augmented Fine-Tuning (RAFT)-metoden till att förbättra modellens förmåga att effektivt utnyttja domänspecifik kunskap, vilket förbättrar dess prestanda i specialiserade uppgifter som kräver detaljerad informationsåterhämtning.

Dessa uppdateringar visar sammantaget Gorillas engagemang i att driva gränserna för stora språkmodellers kapacitet, vilket gör dem mer mångsidiga, noggranna och tillgängliga för ett brett utbud av tillämpningar. Allteftersom AI-landskapet fortsätter att utvecklas, står Gorilla-ramverket som ett bevis på de pågående framstegen inom detta fält.