DERA (Dialog-Enabled Resolving Agents) je technika, kde místo jednoho AI modelu spolupracují dva agenti – každý s jinou rolí – a vzájemným dialogem dospějí k lepšímu výsledku, než by dosáhl kterýkoli z nich sám.
Funguje to takto: první agent, Decider (Rozhodovatel), vygeneruje první verzi odpovědi. Druhý agent, Researcher (Výzkumník), si tuto odpověď přečte, kriticky ji posoudí a upozorní na to, co chybí, co by mohlo být nepřesné nebo co stojí za hlubší prozkoumání. Decider pak tyto podněty vyhodnotí, relevantní zapracuje a vytvoří lepší, doplněnou verzi. Tento dialog může proběhnout víckrát, dokud není výsledek dostatečně dobrý.
Klíčový je rozdíl v rolích: Researcher hledá problémy a navrhuje, Decider má poslední slovo a rozhoduje, co skutečně zapracuje do finálního výstupu.
Technika vznikla primárně pro oblast zdravotnictví – tedy prostředí, kde nepřesná nebo neúplná odpověď může mít vážné následky. Výsledky byly působivé: lékaři v hodnocení preferovali DERA výstupy oproti standardním GPT-4 odpovědím v 90 % případů u shrnutí lékařských rozhovorů a v 84 % u tvorby plánů péče o pacienta.
Zjednodušeně řečeno: DERA je jako mít dva kolegy, kteří si navzájem kontrolují práci – jeden píše, druhý kritizuje, a výsledek je výrazně lepší, než kdyby pracoval každý sám.
Zdroj: DERA: Enhancing Large Language Model Completions with Dialog-Enabled Resolving Agents (autoři Varun Nair, Elliot Schumacher, Geoffrey J. Tso, Anitha Kannan). ze dne [ 30. března 2023 ].
