语言模型自己学会用搜索引擎了？Meta AI提出API调用自监督学习方法Toolformer
在自然语言处理任务中，大型语言模型在零样本和少样本学习方面取得了令人印象深刻的结果。然而，所有模型都存在固有的局限性，往往只能通过进一步扩展来部分解决。具体来讲，模型的局限性包括无法访问最新信息、会对事实产生「信息幻觉」、低资源语言理解困难、缺乏进行精确计算的数学技能等等。解决这些问题的一种简单方法就是给模型配备外部工具，如搜索引擎、计算器或日历。然而，现有方法通常依赖于大量的人工注释，或将工具的使用限制在特定的任务设置下，使得语言模型与外部工具的结合使用难以推广。为了打破这种瓶颈，近期MetaAI
在自然语言处理任务中，大型语言模型在零样本和少样本学习方面取得了令人印象深刻的结果。然而，所有模型都存在固有的局限性，往往只能通过进一步扩展来部分解决。具体来讲，模型的局限性包括无法访问最新信息、会对事实产生「信息幻觉」、低资源语言理解困难、缺乏进行精确计算的数学技能等等。
解决这些问题的一种简单方法就是给模型配备外部工具，如搜索引擎、计算器或日历。然而，现有方法通常依赖于大量的人工注释，或将工具的使用限制在特定的任务设置下，使得语言模型与外部工具的结合使用难以推广。
为了打破这种瓶颈，近期 Meta AI 提出了一种称为 Toolformer 的新方法，使得语言模型学会「使用」各种外部工具。
论文地址：https://arxiv.org/pdf/2302.04761v1.pdf
Toolformer 很快就引起了人们的高度关注，有人认为这篇论文解决了目前大型语言模型的许多问题，称赞道：「这是最近几周最重要的论文」。
有人指出 Toolformer 以自监督学习的方式，仅用极少数样本就让大型语言模型学会使用一些 API 和工具，这是非常灵活且高效的：
甚至有人认为 Toolformer 将让我们离通用人工智能（AGI）更近一步。
Toolformer 之所以能获得如此高的评价，是因为它满足了以下的实际需求：
- 大型语言模型应该在自监督的方式下学习工具的使用，而不需要大量的人工注释。这一点很关键， 人工注释的成本很高只是一方面，更重要的是人类认为有用的东西可能与模型认为有用的东西不同。
- 语言模型需要更全面地使用不受特定任务约束的工具。
这明确打破了前文所述的瓶颈。我们来具体看一下 Toolformer 的方法和实验结果。
方法
Toolformer 基于带有 in-context learning（ICL）的大型语言模型从头开始生成数据集（Schick and Schütze, 2021b; Honovich et al., 2022; Wang et al., 2022）的思路：只需给出少数几个人类使用 API 的样本，就可以让 LM 用潜在的 API 调用标注一个巨大的语言建模数据集；然后使用自监督损失函数来确定哪些 API 调用实际上有助于模型预测未来的 token；最后根据对 LM 本身有用的 API 调用进行微调。
由于 Toolformer 与所使用的数据集无关，因此可以将其用于与模型预训练完全相同的数据集，这确保了模型不会失去任何通用性和语言建模能力。
具体来说，该研究的目标是让语言模型 M 具备一种能力 —— 通过 API 调用使用各种工具。这就要求每个 API 的输入和输出都可以表征为文本序列。这允许将 API 调用无缝插入到任何给定文本中，并使用特殊的 token 来标记每个此类调用的开始和结束。
该研究将每个 API 调用表示为一个元组
，其中 a_c 是 API 的名称，i_c 是相应的输入。给定具有相应结果 r 的 API 调用 c，该研究将不包括和包括其结果的 API 调用的线性化序列分别表示为：
其中，
给定数据集
，该研究首先将这个数据集转换成一个增加了 API 调用的数据集 C*。这分三个步骤完成，如下图 2 所示：首先，该研究利用 M 的 in-context learning 能力对大量潜在的 API 调用进行采样，然后执行这些 API 调用，再检查获得的响应是否有助于预测未来的 token，以用作筛选标准。筛选之后，该研究合并对不同工具的 API 调用，最终生成数据集 C*，并在此数据集上微调 M 本身。
实验及结果
该研究对各种不同的下游任务进行了实验，结果表明：基于 6.7B 参数预训练 GPT-J 模型的 Toolformer（学习过使用各种 API 和工具）在各种任务上明显优于更大的 GPT-3 模型和其他几个基线。
该研究在 LAMA 基准的 SQuAD、GoogleRE 和 T-REx 子集上对几种模型进行了评估，实验结果如下表 3 所示：
为了测试 Toolformer 的数学推理能力，该研究在 ASDiv、SVAMP 和 MAWPS 基准上进行了实验。实验表明，Toolformer 在大多情况下都使用了计算器工具，这明显比 OPT （66B）和 GPT-3 （175B）略胜一筹。
在问答方面，该研究在 Web Questions、Natural Questions 和 TriviaQA 三个问答数据集上进行了实验。Toolformer 明显优于大小相同的基线模型，但逊于 GPT-3 (175B)。
在跨语言任务方面，该研究将 Toolformer 和 MLQA 上所有的基线模型进行了比较，结果如下表 6 所示：
为了研究日历 API 的效用，该研究在 TEMPLAMA 和一个名为 DATESET 的新数据集上对几种模型进行了实验。Toolformer 优于所有基线，但没有使用 TEMPLAMA 日历工具。
除了验证各种下游任务的性能改进之外，该研究还希望确保 Toolformer 的语言建模性能不会因为 API 调用的微调而降低。为此，该研究在两个语言建模数据集上进行实验来评估，模型的困惑度如下表 8 所示。
对于没有任何 API 调用的语言建模来说，添加 API 调用无需花费任何成本。
最后，研究人员分析了随着语言模型规模的扩大，向外部工具寻求帮助的能力对模型性能的影响，分析结果如下图 4 所示
感兴趣的读者可以阅读论文原文，了解更多研究细节。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Beamer 4是面向macOS的本地视频投屏工具，可将Mac中的影片投放到Apple TV、Chromecast及兼容设备，支持常见格式、多类字幕、环绕声、播放列表和电视遥控操作。
Boom 3D macOS版是一款系统级音效增强工具，可为音乐、电影、游戏和流媒体提供3D虚拟环绕声、31段均衡器、音量增强及应用独立音量控制，并支持本地播放器与多种音频输出设备。
Boris FX macOS版是一套面向剪辑、合成、调色及动态图形工作的专业后期工具，涵盖视觉特效、平面与三维跟踪、转描、画面修复、粒子动画和音频清理，可配合多种主流宿主软件使用。
Capto 是面向 macOS 的屏幕截图、高清录屏与媒体编辑工具，支持区域及整屏捕获、网页长截图、双音轨处理、图片和视频标注、素材分类与多渠道分享，适合教师、学生、内容创作者及需要制作演示教程的用户。
Cursor Crane 是一款仅面向 macOS 的键盘操控效率工具，可通过提示标签、网格、文字查找和窗口模式完成点击、滚动、定位与切换，并支持屏幕内容提取、脚本及工作流扩展。
Deep Freeze 冰点还原 macOS版通过冻结系统配置，让受保护的Mac在重新启动后回到预设状态，并提供解冻空间、维护计划、密码保护及Apple Remote Desktop管理能力。
Focusky macOS版是一款面向教学课件、商务汇报、产品展示和动画宣传内容的演示制作工具。它通过无限画布、路径编排、缩放旋转转场及多媒体编辑，将传统逐页幻灯片转化为更具空间感的动态演示。
Folder Colorizer 2 macOS版是一款直观的文件夹外观定制工具，可更换颜色，添加表情、贴纸及图片背景，并支持批量处理、智能推荐和恢复默认样式，帮助用户更快辨认工作、学习与生活资料。
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。
AlwaysUp是一款面向Windows的系统服务注册与程序托管工具，可让普通应用、脚本及批处理在无人登录时随系统启动，并通过状态检测、异常重启、资源监控和邮件通知保障关键任务持续运行。
AnyDesk Windows版是一款轻量化远程桌面与技术支持工具，可用于控制异地电脑、传输文件、远程打印及无人值守访问。它兼顾连接响应、安全权限和部署灵活性，适合个人远程办公、企业设备维护与客服支持。
Boom 3D Windows版是一款面向音乐、电影和游戏场景的系统级音效增强工具，支持虚拟3D环绕声、31段均衡器、预设音效、应用音量控制及本地音乐播放，可配合耳机、扬声器和蓝牙耳机使用。
Boris FX Windows版是一套服务于影视剪辑、视觉特效、运动跟踪、转描、图像修饰及音频修复的专业创作工具集合，可作为插件接入多种主流后期宿主，也包含可独立运行的应用，适合剪辑师、特效师与内容创作者使用。
ChemDraw Windows版是一款面向化学研究、药物研发、材料科学和教学工作的专业结构绘图工具，可快速绘制分子、反应式及生物聚合物，并提供结构整理、格式转换、性质计算和科研文档协作能力。
CODESOFT Windows版是一套企业级条码与RFID标签设计打印工具，可连接Excel、Access、SQL及云端数据源，支持变量、表单、GS1条码、数据库记录和多种工业打印机，适合制造、仓储、物流及合规标识场景。
Deep Freeze 冰点还原 Windows版通过重启恢复技术保护系统盘及指定分区，自动撤销恶意程序、误操作和配置漂移造成的改动，并支持密码保护、解冻空间与多硬盘管理，适合学校机房、公共电脑、办公终端及家庭电脑使用。
EDIUS 11 Windows版是一款面向影视制作、广播电视、纪录片、短视频及教育机构的专业非线性编辑工具，支持4K/8K、多格式混编、HDR调色、字幕、音频处理和后台渲染，并提供素材管理及丰富的导出预设。
FastStone Capture Windows版是一款轻量级屏幕捕捉、录屏与图像编辑工具，可截取窗口、区域、菜单和滚动页面，并提供标注、模糊、取色、OCR、录音录像及多格式导出能力，适合办公说明、教程制作和问题反馈。
Focusky Windows版是一款动画演示与交互课件制作工具，通过无限画布、缩放旋转镜头、模板素材和对象动画组织内容，可导入PPTX，并输出视频、EXE、PDF、网页等格式，适用于课堂教学、微课、商务汇报及产品展示。