What Are Tools Anyway? A Survey from the Language Model Perspective

简介

语言模型（LMs）在文本生成任务方面非常强大，但大多数情况下需要进行复杂技能的任务。然而，许多研究以不同的方式采用“工具”一词，引发了一个问题：什么是工具？随后，工具在哪里以及如何帮助LMs？在本次调查中，我们提供了工具的统一定义，即由LMs使用的外部程序，并对LM工具场景和方法进行了系统审查。基于此审查，我们通过测量各种基准测试所需的计算和性能增益，实证研究了各种工具方法的效率，并强调了该领域的一些挑战和潜在未来研究。
作者讲解

目前尚无作者解读视频，你可点击下方【许愿开讲】按钮，许愿作者开讲~
图表
解决问题

LM工具的效率问题
关键思路

通过系统回顾LM工具方案和方法，提出了一种统一的工具定义，并通过在各种基准测试中测量其所需的计算和性能增益来经验性地研究各种工具方法的效率，以及强调该领域的一些挑战和潜在未来研究。
其它亮点

论文设计了实验并使用多个数据集进行了评估，提出了LM工具的统一定义，探讨了各种工具方法的效率，为该领域的未来研究提供了一些方向。
相关研究

与该论文相关的研究包括：“A Survey on Natural Language Processing for Fake News Detection”、“A Survey on Transfer Learning in Natural Language Processing”等。