详细内容或原文请订阅后点击阅览

在亚马逊基岩上使用大型语言模型进行多步任务执行

2025年4月2日 19:12 33 Comments
X Twitter Instagram Mail

本文探讨了LLM在通过API执行复杂分析查询中的应用，并特别关注亚马逊基岩。为了证明这一过程，我们提出了一个用例，该系统通过检索，分组和分类数据来识别患者的疫苗数量最少，并最终呈现最终结果。

来源:亚马逊云科技 _机器学习
此博客文章的目标是向您展示如何使用大型语言模型（LLM）来执行需要多步动态推理和执行的任务。需要动态推理和执行的任务的示例正在回答“不同医院[特定状况]的患者的平均住院时间是多少？”或“ [特定药物]的处方趋势在不同地区如何变化？”传统上，回答这些查询需要商业智能专家和数据工程师的专业知识，通常会导致时间耗时的过程和潜在的瓶颈。但是，LLM的进步已经打开了令人兴奋的新可能性，可以将复杂的任务分解为复杂的任务，以将一系列步骤转换为一系列的工具，以访问每个步骤，并在此方面访问该功能。基于文本的响应。这些工具允许LLMS执行专业任务，例如检索实时信息，运行代码，浏览网络或生成图像。通过使用工具，LLM可以提供更准确，上下文感知和可操作的输出，从而有效地协助需要复杂的查询，这些查询需要访问其内部知识基础之外的数据或功能。在这篇文章中，我们展示了患者记录检索解决方案的此类功能的示例，而不是仅依靠APIS来依靠APIS，而不是仅依靠APIS。您可以在github上找到本帖子的代码。解决方案的目的是准确回答需要多步推理和执行的分析问题。以下是与代理商进行预期相互作用的示例：给我最少疫苗的患者的名字和姓氏。EAI.AI：根据我们的分析结果，我可以回答您的问题：Numbe
查询 任务分解 相互作用 回答 展示 不同地 工程师 操作的 需要 检索 执行的 任务 工具 患者 功能的 一系列 动态 互作用 访问 系列的 复杂的 推理 作用的 示例 根据 潜在的 实时信息 可操作的 LLM 可能性 代理商 APIS