HuggingFace вступает в гонку вооружений агентов
Вчера Hugging Face вышла на арену Large Language Model (LLM) с выпуском нового API под названием Transformers Agent. Этот шаг ставит их в прямую конкуренцию LangChain в качестве новой среды для создания корпоративных приложений общего искусственного интеллекта (AGI). Сегодня я представлю краткий обзор Hugging Face и рассмотрю последствия этого объявления для вашей стратегии модели большого языка.
В моем эссе о Enterprise AGI я углубляюсь в то, как интеллектуальные программные агенты, особенно на основе LLM, таких как GPT-4, являются катализаторами, которые стимулируют быструю и широкомасштабную автоматизацию на вашем предприятии. Агенты LLM — это новаторская технология, способная выполнять сложные рассуждения и решения по оркестровке задач, область, которой до сих пор управляли исключительно люди. Набег Hugging Face на этот сектор подчеркивает быстрые темпы, с которыми экосистема соответствует моему прогнозу.
Hugging Face известна тем, что предлагает библиотеки и инструменты, которые помогают создавать приложения для машинного обучения, особенно с преобразователями обработки естественного языка (NLP). В Prolego мы уже более пяти лет используем инструменты Hugging Face в проектах наших клиентов. Можно с уверенностью сказать, что большинство разработчиков полагаются на его библиотеки как на отправную точку для любого проекта НЛП. Несмотря на то, что она сталкивается с препятствиями, типичными для любой большой библиотеки с открытым исходным кодом, инструменты и документация в целом выделяются тем, что они хорошо написаны, что значительно ускоряет разработку приложений.
Transformers Agent API представляет собой хорошо документированный, несложный интерфейс для создания приложений, использующих LLM в качестве агентов. Примечательно, кажется, что они тщательно рассмотрели некоторые практические соображения, относящиеся к предприятию. Например, они предлагают возможность регулировать, могут ли и как произвольные сценарии Python выполняться агентом. Насколько мне известно, в LangChain в настоящее время отсутствуют такие виды защиты. Эта мера контроля, вероятно, послужит убедительной причиной для того, чтобы большинство прикладных команд начали ее использовать.
Теперь вы можете спросить, стоит ли вам начинать свой проект LLM с помощью LangChain или Hugging Face? Если нет серьезной причины для введения новой структуры, Hugging Face кажется идеальной отправной точкой. Скорее всего, он уже санкционирован вашей группой проверки безопасности, он поставляется с обширным набором уже существующих инструментов и библиотек, и ваши специалисты по данным почти наверняка уже знакомы с ним. Следовательно, если нет веских причин для экспериментов с новой структурой, первоначальные прототипы агентов LLM на предприятии, вероятно, должны начинаться с Hugging Face.
Смотрите мой полный анализ на моем канале YouTube:
