如果我们直接问，“前任美国总统的年龄数值的平方等于多少？”会是什么效果？

Question

如果我们直接问，“前任美国总统的年龄数值的平方等于多少？”会是什么效果？langchain提示词能够让大模型进行问题拆分并且选择适当工具吗？我试了一下文心一言回答不了这样的问题，kimi可以

Answer 1

tomiezhang 2024-11-05 22:25:50

这个问题只是一个演示，结果其实要看大模型的训练数据集更新时间，比如现在美国大选，那么如果你直接问大模型，那么大概率它的数据集里当前美国总统还是拜登，而如果是agents ，那么它会先去调用搜索工具，搜索最新的新闻看下当前谁是总统，而问题中的计算部分也一样，你直接问大模型有很大概率，他们会得出错误结果，因为大模型的的底层原理是统计学是概率，它们并不擅长精确的计算，而在agents里，它们会调用类似专业的数学计算工具来计算精确结果。你说的文心也好、chatgpt也好，只是大模型官方的C端应用，如果整合了agents技术，它们一样可以达到上面的效果。所以大模型、agents、大模型官方应用、大模型的API这是几个不同的事情，不要混淆了。

• 提问者 慕神6471367 #1

  谢谢回复，我的意思是，
  课程中，咱们相当于问了两个问题，前任美国总统的年龄多少？年龄数值的平方等于多少？，agent可以找到相应的工具，而如果问一个复合型问题，“前任美国总统的年龄数值的平方等于多少？”agent可以正确的把问题分解并找到相应的工具得到正确答案吗？
  另外，课程中，我们只是把search和math工具放进了tools里面，为啥不是把所有工具全部放进tools，这样agent可以有更多的选择呀

• tomiezhang 回复 提问者 慕神6471367 #2

  “前任美国总统的年龄数值的平方等于多少？”当然Agent会做思维拆解并对LLM任务进行编排，你可以在日志里观察到这种编排过程。
  课程里只是示例，工具理论上可以放无限个，因为每个Agent的场景和解决的问题都是不一样的，你可以根据场景去定义N个工具，并没有“所有”的工具。