निर्णय मॉडल AI के एक नए रूप के रूप में ध्यान आकर्षित कर रहे हैं: आप मॉडल को संदर्भ और विकल्पों का एक समूह देते हैं, और वह उनमें से एक चुन लेता है। इस कार्य के लिए विशेष रूप से प्रशिक्षित होने के कारण, वे LLM की तुलना में कहीं अधिक तेज़ और सस्ते ढंग से यह काम कर सकते हैं। व्यवहार में, एक हाइब्रिड वर्कफ़्लो शुरुआत के लिए एक अच्छा स्थान है। निर्णय मॉडल उन बंद-सिरे वाले चयनों को संभालता है जहाँ विकल्प पहले से ज्ञात हैं, LLM उन खुले-सिरे वाले हिस्सों को संभालता है जिन्हें तर्क से निकालना या शून्य से तैयार करना होता है, और Python वर्कफ़्लो का प्रबंधन करके और संचालन को निष्पादित करके सब कुछ एक साथ जोड़ता है।
यह पोस्ट एक ब्राउज़र ऑटोमेशन वर्कफ़्लो बनाने की प्रक्रिया बताती है। प्राकृतिक भाषा में यात्रा अनुरोध प्राप्त होने के बाद, वर्कफ़्लो एक होटल-खोज वेबसाइट पर नेविगेट करता है, उपयुक्त होटल चुनता है, और एक पूछताछ तैयार करता है। ब्राउज़र ऑटोमेशन LLM के सबसे व्यावहारिक उपयोगों में से एक है, क्योंकि जो LLM ब्राउज़र चला सकता है, वह लगभग वह सब कुछ कर सकता है जो कोई व्यक्ति कर सकता है। पृष्ठ पढ़ना, बटन क्लिक करना, ड्रॉपडाउन विकल्प चुनना और फ़ॉर्म भरना जैसे कार्य तीन श्रेणियों में आते हैं: बंद-सिरे वाला चयन, खुले-सिरे वाला निर्माण, और ऑर्केस्ट्रेशन।
कार्य का यह विभाजन इन श्रेणियों से स्वाभाविक रूप से निकलता है। निर्णय मॉडल पृष्ठ पर पहले से मौजूद विकल्पों में से चुनता है, जैसे कैलेंडर में कोई तारीख, या अगला कदम, जैसे कैलेंडर खोलना या फ़ॉर्म जमा करना। LLM संदेश और स्पष्टीकरण लिखता है। Python वेबसाइट से जानकारी इकट्ठा करता है, उसे मॉडलों के लिए तैयार करता है, उनके उत्तर लेता है, और ब्राउज़र संचालन करता है।
नतीजा एक दोहराया जाने वाला चक्र है: पृष्ठ पढ़ें, निर्णय मॉडल को अगला कदम चुनने दें, और केवल तभी LLM को बुलाएँ जब उत्पन्न पाठ की आवश्यकता हो। यह उदाहरण यह भी मापता है कि क्या निर्णय मॉडल का उपयोग करने से वर्कफ़्लो हर चरण के लिए LLM पर निर्भर रहने की तुलना में तेज़ हो जाता है।
स्रोत: Towards Data Science · HeadlinesBriefing द्वारा सारांशित