ایک LLM کونسل بڑے زبان ماڈلز کا ایک گروپ ہے جو ہر ایک سوال کا آزادانہ طور پر جواب دیتا ہے، پھر ایک دوسرے کے جوابات کی درجہ بندی کرتا ہے تاکہ ایک اتفاق رائے تک پہنچ سکے۔ یہ پیٹرن Andrej Karpathy کے اوپن سورس 'llm-council' ریپوزٹری کے ذریعے مقبول ہوا، ایک تصوراتی ثبوت جس میں کئی ماڈل جواب دیتے ہیں اور پھر ایک دوسرے کی درجہ بندی کرتے ہیں اس سے پہلے کہ ایک حتمی ترکیب ہو۔ Argumentree.AI کونسل کے پیٹرن کو منظم دلائل کے درختوں اور نامعلوم باہمی درجہ بندی کے ساتھ بڑھاتا ہے—نامعلوم اس لیے کہ LLM کو جج کے طور پر استعمال کرنے پر تحقیق خود کو بڑھانے کے تعصب کی دستاویز کرتی ہے جس میں ماڈل اپنے ہی نتائج کو ترجیح دیتے ہیں۔ ایک میزبان LLM کونسل آپ کو متعدد ماڈلز سے سوال کرنے کی اجازت دیتی ہے بغیر اپنے API کیز فراہم کیے۔ ایماندارانہ تجارت قیمت اور تاخیر ہے: ایک کونسل متعدد ماڈل کالز کرتی ہے، لہذا یہ ایک واحد سوال سے زیادہ سست اور مہنگی ہے، کراس ماڈل کی توثیق اور واضح اختلاف رائے کے بدلے میں۔
ایک LLM کونسل میں کئی زبان ماڈل آزادانہ طور پر جواب دیتے ہیں، ایک دوسرے کی درجہ بندی کرتے ہیں، اور ایک اتفاق رائے تک پہنچتے ہیں۔ یہ "ایک پراعتماد جواب" کو ایک غور و فکر میں تبدیل کرتا ہے جسے آپ جانچ سکتے ہیں۔
ایک LLM کونسل متعدد ماڈلز ہیں جو آزادانہ طور پر جواب دیتے ہیں، پھر ایک دوسرے کی درجہ بندی کرتے ہیں تاکہ اتفاق رائے تشکیل دے سکیں۔ یہ پیٹرن Karpathy کے اوپن سورس llm-council سے آیا ہے۔ Argumentree.AI اسے میزبان کرتا ہے—کوئی API کیز کی ضرورت نہیں—اور نامعلوم طور پر درجہ بندی کرتا ہے تاکہ خود کو بڑھانے کو کم کیا جا سکے۔
کونسل پیٹرن بیان کرنے میں سادہ ہے: متعدد LLMs ایک ہی سوال کا آزادانہ طور پر جواب دیتے ہیں، پھر ایک دوسرے کے جوابات کا اندازہ لگاتے ہیں، اور ایک اتفاق رائے کو ہم مرتبہ کی درجہ بندی سے نکالا جاتا ہے۔ کوئی ایک ماڈل آخری لفظ نہیں لیتا۔ کیونکہ ماڈل ایک دوسرے کے جوابات کو جواب دینے سے پہلے نہیں دیکھتے، ان کی آزادانہ سوچ محفوظ رہتی ہے—اور جہاں وہ مختلف ہوتے ہیں وہ واضح ہو جاتے ہیں بجائے اس کے کہ ایک پراعتماد جواب کے پیچھے چھپے رہیں۔
ہر ماڈل سوال کا جواب اپنے طور پر دیتا ہے، بغیر دوسروں کو دیکھے
ہر ماڈل دوسرے ماڈلز کے جوابات کا اندازہ لگاتا ہے
درجہ بندیاں جمع کی جاتی ہیں تاکہ یہ ظاہر ہو سکے کہ کونسل کہاں متفق اور کہاں اختلاف کرتی ہے
Andrej Karpathy نے ایک اوپن سورس "llm-council" ریپوزٹری شائع کی جو بالکل اسی بہاؤ کو ظاہر کرتی ہے—کئی ماڈل جواب دیتے ہیں، ایک دوسرے کی درجہ بندی کرتے ہیں، اور ایک حتمی جواب تیار کیا جاتا ہے۔ یہ ایک عوامی ثبوت ہے کہ ماڈل ایک دوسرے کا معنی خیز اندازہ لگا سکتے ہیں۔ Argumentree.AI اسی خیال پر تعمیر کرتا ہے۔
Argumentree.AI کونسل کے پیٹرن کو دو طریقوں سے آگے بڑھاتا ہے۔ پہلے، پورے جوابات کا موازنہ کرنے کے بجائے، یہ ہر ماڈل کی سوچ کو ایک دلائل کے درخت میں منظم کرتا ہے—تاکہ انفرادی دعوے درجہ بند اور جانچے جا سکیں، نہ کہ صرف حتمی پیراگراف۔ دوسرا، یہ نامعلوم باہمی درجہ بندی کا استعمال کرتا ہے: جب ایک ماڈل دلائل کی درجہ بندی کرتا ہے، تو اسے نہیں معلوم کہ کون سا ماڈل انہیں تخلیق کیا۔
ایک LLM کو جج کے طور پر استعمال کرنے پر تحقیق نے ایک خود کو بڑھانے کا تعصب دستاویز کیا ہے—ماڈل اپنے ہی نتائج کو زیادہ پسند کرتے ہیں۔ درجہ بندی سے پہلے مصنفیت کو چھپانا شارٹ کٹ کو ہٹا دیتا ہے، لہذا ایک ماڈل خود کو صرف انعام نہیں دے سکتا۔ یہ نامعلوم کراس-درجہ بندی کے پیچھے کا ڈیزائن کی وجہ ہے۔
خود کونسل چلانا عام طور پر ہر ماڈل فراہم کنندہ کے ساتھ سائن اپ کرنے اور علیحدہ API کیز کو وائرنگ کرنے کا مطلب ہے۔ Argumentree.AI ایک میزبان LLM کونسل پیش کرتا ہے: آپ ایک بار پوچھتے ہیں، اور تمام دستیاب ماڈلز حصہ لیتے ہیں—کوئی کیز منظم کرنے کی ضرورت نہیں، کوئی فراہم کنندہ کی ترتیب نہیں۔ آپ کو کونسل کا اتفاق رائے اور اس کے اختلافات ایک جگہ پر ملتے ہیں۔
ایک کونسل مفت نہیں ہے۔ تعریف کے مطابق یہ متعدد ماڈل کالز کرتی ہے، لہذا یہ زیادہ کمپیوٹ استعمال کرتی ہے اور ایک واحد سوال کے مقابلے میں واپس آنے میں زیادہ وقت لیتی ہے۔ یہ جان بوجھ کر کی تجارت ہے: آپ کراس ماڈل کی توثیق اور اختلاف رائے کے واضح نقشے کے حصول کے لیے زیادہ خرچ کرتے ہیں۔ اعلی خطرے کی تحقیق کے لیے یہ ایک اچھا سودا ہے؛ معمولی تلاش کے لیے ایک ماڈل کافی ہے۔
ایک ہی سوال کے ساتھ کئی ماڈلز کی کونسل تشکیل دیں
ہر ماڈل کی سوچ کو نقطہ بہ نقطہ جانچیں، نہ کہ ایک گودے کی طرح
کراس-درجہ بندی مصنفیت کو چھپاتی ہے تاکہ خود کو بڑھانے کے تعصب کو کم کیا جا سکے
کوئی فراہم کنندہ کی API کیز نہیں—باہمی اتفاق رائے اور اختلاف باکس سے باہر
ایک LLM کونسل بڑے زبان ماڈلز کا ایک گروپ ہے جو ہر ایک سوال کا آزادانہ طور پر جواب دیتا ہے، پھر ایک دوسرے کے جوابات کی درجہ بندی کرتا ہے تاکہ ایک اتفاق رائے کی رائے پیدا کی جا سکے۔ ایک واحد ماڈل پر انحصار کرنے کے بجائے، کونسل ماڈلز کے درمیان اتفاق رائے اور اختلاف کو واضح کرتی ہے—تاکہ آپ دیکھ سکیں کہ ماڈل کہاں ملتے ہیں اور کہاں نہیں۔
Andrej Karpathy نے ایک اوپن سورس 'llm-council' ریپوزٹری جاری کی جو پیٹرن کو ظاہر کرتی ہے: کئی ماڈل ایک سوال کا جواب دیتے ہیں، پھر ایک دوسرے کے جوابات کی درجہ بندی کرتے ہیں اس سے پہلے کہ ایک حتمی ترکیب ہو۔ یہ ماڈلز کے درمیان اجتماعی سوچ کا تصوراتی ثبوت ہے۔ Argumentree.AI اس خیال کو منظم دلائل کے درختوں اور نامعلوم باہمی درجہ بندی کے ساتھ بڑھاتا ہے۔
ایک LLM کو جج کے طور پر استعمال کرنے پر تحقیق نے خود کو بڑھانے کے تعصب کی دستاویز کی ہے—ماڈل اپنے ہی نتائج کو ترجیح دیتے ہیں۔ درجہ بندی سے پہلے یہ جاننا کہ کون سا ماڈل کون سا دلیل پیش کرتا ہے اس تعصب کو کم کرتا ہے، تاکہ ایک ماڈل خود کو صرف انعام نہ دے سکے۔ یہ Argumentree.AI کی نامعلوم کراس-درجہ بندی کے پیچھے کا ڈیزائن کی وجہ ہے۔
ایک میزبان LLM کونسل کے ساتھ نہیں۔ اوپن سورس عمل درآمد عام طور پر آپ سے ہر فراہم کنندہ کے لیے API کیز فراہم کرنے کی ضرورت ہوتی ہے۔ Argumentree.AI ایک میزبان ملٹی-LLM کونسل پیش کرتا ہے تاکہ آپ کئی ماڈلز سے سوال کر سکیں اور ان کے اتفاق رائے کو دیکھ سکیں بغیر کہ آپ خود علیحدہ API کیز کو وائرنگ کریں۔
ایمانداری سے، ایک کونسل چلانا ایک واحد سوال سے زیادہ مہنگا ہے—یہ متعدد ماڈل کالز کرتی ہے، لہذا یہ زیادہ کمپیوٹ استعمال کرتی ہے اور واپس آنے میں زیادہ وقت لیتی ہے۔ یہ تجارت آپ کو کراس ماڈل کی توثیق اور اختلاف رائے کا واضح نقشہ فراہم کرتی ہے۔ اعلی خطرے کے سوالات کے لیے اضافی قیمت اور تاخیر عام طور پر اس کے قابل ہوتی ہیں؛ معمولی تلاش کے لیے ایک ماڈل کافی ہے۔
کئی ماڈلز، ایک سوال، اتفاق رائے جسے آپ جانچ سکتے ہیں—کوئی API کیز کی ضرورت نہیں۔
مفت شروع کریں