Khả năng gọi hàm là một khả năng quan trọng để các mô hình ngôn ngữ lớn (LLM) tương tác với thế giới thực và hữu ích hơn so với một trợ lý trò chuyện đơn giản. LLM có thể không có kiến thức nội bộ để thực hiện một số nhiệm vụ nhất định, chẳng hạn như lấy thông tin về thời tiết hiện tại. Tuy nhiên, chúng có thể sử dụng các API hoặc hàm bên ngoài để lấy và xử lý thông tin cần thiết.

Luồng gọi hàm hoạt động như sau:

1. LLM đầu tiên xác định xem nó có thể thực hiện thao tác dựa trên kiến thức đào tạo nội bộ của nó hay cần sử dụng các công cụ hoặc hàm bên ngoài.
2. Nếu cần các công cụ bên ngoài, LLM sẽ phân tích truy vấn của người dùng và chọn các hàm thích hợp để thực hiện.
3. LLM sau đó sẽ sử dụng trình biên dịch Python để thực hiện các lệnh gọi hàm, lấy kết quả và đưa chúng trở lại LLM để tạo ra phản hồi cuối cùng.

Trong phần này, chúng ta sẽ khám phá khả năng của mô hình trong việc xử lý các lệnh gọi hàm đa chức năng và lệnh gọi hàm lồng nhau. Mục tiêu là kiểm tra khả năng của mô hình trong việc phân tách các truy vấn phức tạp và thực hiện nhiều hàm liên tiếp để cung cấp một phản hồi toàn diện.

Đầu tiên, chúng ta sẽ xem xét một ví dụ về gọi hàm đa chức năng, trong đó mô hình cần thực hiện hai hàm riêng biệt để giải quyết truy vấn của người dùng. Mô hình phải có thể xác định các hàm liên quan, thực hiện các lệnh gọi hàm cần thiết và kết hợp các kết quả để tạo ra phản hồi cuối cùng.

Tiếp theo, chúng ta sẽ khám phá khái niệm về lệnh gọi hàm lồng nhau. Trong kịch bản này, đầu ra của một lệnh gọi hàm trở thành đầu vào cho lệnh gọi hàm khác. Mô hình cần nhận ra sự phụ thuộc này, thực hiện các hàm theo đúng thứ tự và cung cấp kết quả cuối cùng cho người dùng.

Để đảm bảo các phản hồi của mô hình chính xác và được định dạng tốt, chúng ta sẽ sử dụng một thông điệp hệ thống hướng dẫn mô hình cách xử lý các lệnh gọi hàm phụ thuộc. Cách tiếp cận này giúp mô hình duy trì tính toàn vẹn của dữ liệu trong suốt quá trình thực hiện chức năng đa giai đoạn.

Cuối cùng, chúng ta sẽ kiểm tra một ví dụ phức tạp hơn kết hợp cả gọi hàm đa chức năng và lệnh gọi hàm lồng nhau. Điều này sẽ chứng minh khả năng của mô hình trong việc xử lý các truy vấn phức tạp và phối hợp thực hiện nhiều hàm để cung cấp một phản hồi toàn diện và chính xác.

Gọi hàm lồng nhau là một tính năng mạnh mẽ cho phép các mô hình ngôn ngữ thực hiện các thao tác phức tạp, đa bước bằng cách liên kết các đầu ra của nhiều hàm. Khả năng này rất quan trọng để cho phép các mô hình ngôn ngữ tương tác với thế giới thực và giải quyết các trường hợp sử dụng nâng cao hơn so với các trợ lý trò chuyện đơn giản.

Trong phần này, chúng ta sẽ khám phá cách mô hình Mistol 7B phiên bản 3 có thể xử lý các lệnh gọi hàm lồng nhau, trong đó đầu ra của một lệnh gọi hàm được sử dụng làm đầu vào cho lệnh gọi hàm khác. Điều này cho phép mô hình phân tách các truy vấn phức tạp của người dùng thành một loạt các bước phụ thuộc lẫn nhau, mỗi bước được thực hiện bởi một hàm riêng biệt.

Các bước chính trong việc thực hiện gọi hàm lồng nhau là:

1. Xác định các hàm phụ thuộc: Mô hình phải nhận ra khi một truy vấn của người dùng yêu cầu đầu ra của một hàm được sử dụng làm đầu vào cho hàm khác. Điều này đòi hỏi mô hình phải có hiểu biết toàn diện về các hàm có sẵn và mối quan hệ đầu vào/đầu ra của chúng.

2. Thực hiện các lệnh gọi hàm theo trình tự: Sau khi các hàm phụ thuộc đã được xác định, mô hình phải thực hiện chúng theo đúng thứ tự, chuyển dữ liệu liên quan từ một lệnh gọi hàm sang lệnh gọi hàm tiếp theo.

3. Định dạng đầu ra chính xác: Để đảm bảo đầu ra cuối cùng chính xác và có ý nghĩa, mô hình nên sử dụng một thông điệp hệ thống để hướng dẫn định dạng các kết quả lệnh gọi hàm trung gian.

Khi xử lý các lệnh gọi hàm đa giai đoạn hoặc lồng nhau, việc đảm bảo định dạng đầu vào và đầu ra chính xác là rất quan trọng. Uncle Code khuyến nghị sử dụng một thông điệp hệ thống để hướng dẫn trợ lý trong việc lựa chọn các công cụ phù hợp và xử lý các mối phụ thuộc giữa chúng.

Thông điệp hệ thống được đề xuất là:

Bạn là một trợ lý hữu ích. Nhiệm vụ của bạn là chọn các công cụ liên quan đến truy vấn của người dùng. Trong trường hợp có nhiều công cụ, nếu các công cụ phụ thuộc vào nhau và tham số đầu vào của một công cụ đến từ một hàm khác, hãy sử dụng @theo sau tên hàm cho giá trị tham số. Điều này đảm bảo giá trị được định dạng chính xác.

Thông điệp hệ thống này phục vụ hai mục đích chính:

1. Lựa chọn công cụ: Nó hướng dẫn trợ lý lựa chọn các công cụ liên quan dựa trên truy vấn của người dùng, đảm bảo bao phủ chức năng cần thiết.

2. Xử lý phụ thuộc: Đối với các trường hợp công cụ phụ thuộc lẫn nhau và đầu ra của một hàm được yêu cầu làm đầu vào cho hàm khác, thông điệp hệ thống hướng dẫn trợ lý sử dụng cú pháp @tên_hàm để tham chiếu chính xác đầu ra của hàm trước đó.

Mô hình Mistol V3 đã thể hiện khả năng ấn tượng trong việc xử lý các lệnh gọi hàm đa chức năng và lệnh gọi hàm lồng nhau. Các điểm chính là:

1. Mô hình có thể phân tách các truy vấn phức tạp của người dùng thành các lệnh gọi hàm riêng biệt và thực hiện chúng song song, như trong ví dụ về lấy thời tiết hiện tại ở Paris và giờ hiện tại ở San Francisco.

2. Đối với các lệnh gọi hàm lồng nhau, trong đó đầu ra của một hàm là đầu vào cho hàm khác, mô hình có thể xử lý điều này một cách trơn tru. Nó sử dụng một thông điệp hệ thống để đảm bảo đầu ra của lệnh gọi hàm đầu tiên được định dạng đúng cho lệnh gọi hàm thứ hai.

3. Khả năng của mô hình trong việc xử lý sự kết hợp của các lệnh gọi hàm đa chức năng và lệnh gọi hàm lồng nhau, như được thể hiện trong ví dụ cuối cùng, nổi bật tính linh hoạt và mạnh mẽ của nó trong các kịch bản thực tế.

Nói chung, khả năng gọi hàm của mô hình Mistol V3 khiến nó trở thành một công cụ mạnh mẽ để xây dựng các ứng dụng tương tác có thể sử dụng các API và dịch vụ bên ngoài. Bằng cách tích hợp mô hình này vào các dự án của bạn, bạn có thể tạo ra các trợ lý thông minh có thể thực hiện nhiều nhiệm vụ đa dạng hơn so với các tương tác trò chuyện đơn giản.