Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

0

质量超越O(1),成本低至4%:UCSD团队开源AI工作流自动优化器Cognify,革新生成式AI开发

引言: 生成式AI的浪潮席卷全球,但构建高质量、低成本的AI应用仍然是业界的一大难题。繁琐的调试和优化过程,如同大海捞针,耗时费力。然而,加州大学圣地亚哥分校(UCSD)张怡颖教授团队近日开源了一款名为Cognify的AI工作流自动优化器,有望彻底改变这一现状,将生成式AI应用的开发效率提升至一个新的高度。

主体:

1. 生成式AI应用开发的痛点: 当前,大多数生成式AI应用都基于AI工作流构建,这涉及到复杂的模型调用、数据处理和流程协调。工程师需要手动调整工作流结构、提示词(prompt)以及选择合适的模型,这是一个耗时且容易出错的过程。缺乏系统化的优化方法导致许多AI应用面临质量不佳、不稳定或成本过高等问题,即使是基于LangChain、DSPy、Coze等成熟框架开发的应用也难以避免。

2. Cognify:AI工作流的“自动化调音师”: Cognify应运而生,它是一款全面、多目标的开源AI工作流优化器,旨在自动提升AI工作流的生成质量并降低成本。其核心创新在于一种分层工作流级优化方法,能够自动选择AI模型、改进工作流结构并增强提示词。

  • 多目标优化: Cognify实现了对生成质量和成本的双重优化,在相同或更小的模型规模下,取得了高达48%的质量提升和90%的成本降低,显著推动了质量-成本Pareto边界,并允许用户根据实际需求选择不同的质量-成本组合。

  • 自动化流程: Cognify实现了“一键”全自动化优化,极大地简化了开发流程。同时,它也允许用户自定义优化方法(Cognify将各种优化方法统称为Cogs)、备选模型种类以及最大优化次数,提供了高度的灵活性和可控性。

  • 广泛兼容性: Cognify目前支持LangChain、LangGraph、DSPy以及基于Python开发的工作流,具有良好的兼容性和扩展性。

3. Cognify的核心技术:全局级别工作流超参数调优: Cognify的独特之处在于它对整个工作流进行全局优化,而非孤立地优化各个组件。它将工作流视为一个整体的优化对象,并将所有可能的Cogs视为其超参数。

  • 贝叶斯优化器: 为了高效地探索庞大的Cogs组合空间,Cognify设计了一种新型的贝叶斯优化器,有效避免了传统网格搜索带来的指数级成本增长。

  • 分层优化策略: Cognify采用双层优化策略,将Cogs分为影响工作流结构的外部循环Cogs(例如添加或移除组件)和不影响结构的内部循环Cogs(例如提示词调优),从而进一步降低了搜索空间,提高了优化效率。

4. CogHub:开源AI工作流优化器集合: 与Cognify一同推出的还有CogHub,这是一个开源的Cogs集合,类似于Hugging Face模型库,为开发者提供了丰富的优化方法选择。目前CogHub支持任务分解、任务集成、多步推理、少样本学习和模型选择等多种Cogs。

结论: UCSD张怡颖教授团队开源的Cognify,代表着生成式AI工作流优化领域的一次重大突破。其自动化、高效、多目标的优化能力,将极大地降低生成式AI应用的开发门槛,加速AI技术的落地应用。Cognify的开源也为全球AI开发者提供了宝贵的工具和资源,有望推动生成式AI技术朝着更高质量、更低成本、更易用的方向发展。 Cognify的出现,预示着生成式AI开发进入了一个新的自动化时代。 未来,我们期待Cognify能够进一步完善和扩展,支持更多类型的AI工作流和模型,为构建更智能、更强大的AI应用提供更强大的动力。

参考文献:

  • Cognify开源地址 (需补充其他学术论文或报告链接,如存在)
  • 机器之心报道原文 (需补充原文链接)

(注:由于原文信息有限,部分内容为推测和补充,参考文献也需要补充完整。)


>>> Read more <<<

Views: 0

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注