Nature | 新方法通用强化生成式AI

文章预览

一项近日发表在Nature的工作借鉴深度学习领域经典的“反向传播 （backpropagation） ”算法[1]，用大语言模型可迭代地评估并反馈生成式AI系统从prompt到产出等各组分的不足之处与建议，进而通用高效地优化生成式AI[2], [3]。 研究人员称该方法为- TextGrad，并通过药物分子设计、编程、放疗方案设计以及复合AI系统强化等方面展示了该方法的效果[3]。 TextGrad利用 “反向传播” 原理，使用大语言模型的反馈，来实现生成式AI优化[3]。 TextGrad优化分子，用于药物设计[3]。 TextGrad优化放疗方案[3]。 TextGrad优化复合AI系统，更智能准确地应对复杂问题[3]。 该项工作的通讯作者是斯坦福大学的James Zou和Mert Yuksekgonul等研究人员；2025年3月19日在线发表在Nature[3]。 Comment(s): 朴素的原理带来通用的优化。 该方法关键应该还是在“评估”环节，适用评估规则比较明确的场 ………………………………