UCSD研究人员开源了Graphologue：一种独特的AI技术，可以将诸如GPT-4响应之类的大型语言模型实时转化为交互式图表
UCSD研究人员开源了Graphologue：一种独特的AI技术，可以将大型语言模型实时转化为交互式图表
大型语言模型（LLMs）由于其易于获取和出色的生成文本响应能力而近来备受瞩目，可为各种用户查询提供答案。超过十亿人使用了像ChatGPT这样的LLMs来获取信息和解决问题。这些LLMs是许多领域的关键工具，并有潜力彻底改变人们进行与信息相关的工作的方式。
尽管它们非常强大，但是像ChatGPT这样的LLMs在处理复杂信息需求时有很多限制。这些限制存在于基于文本的界面和线性对话模式的固有限制上。作为一系列线性符号，文本可能无法传达具有复杂关系和结构的复杂思想。这经常导致过于冗长的评论，难以完全理解。此外，文本界面的线性对话结构可能使完成需要非线性探索的任务变得困难，并导致用户不得不跟随冗长而复杂的对话。
为了解决这些限制，一组研究人员进行了一项形成性研究，共有十名志愿者参与，主要目标是了解用户在处理LLMs时遇到的困难，特别是涉及具有挑战性的信息任务的情况。研究发现，LLM界面产生的冗长响应经常使用户难以立即理解和与显示的信息进行交互。在用户必须浏览复杂细节的复杂任务中，这个问题尤为突出。
该团队开发了Graphologue，这是一种独特的技术，旨在改善用户与LLMs之间的通信。通过将LLMs产生的基于文本的响应即时转化为图形图表来实现这一目标。Graphologue的主要特点和功能包括：
- 它使用新颖的提示技术从LLMs产生的文本响应中推导实体和关系。这涉及识别重要的文本组件并将它们组织成图形表示。
- 利用从LLMs答案中提取的数据，系统实时创建节点链接图，作为文本的视觉表示，使用户更容易理解复杂的关系和概念。
- 用户可以以更多方式与图表进行交互，而不仅仅是被动地查看它们。图形表示可以被主动交互，并且用户可以根据自己的需求更改布局和内容。
- 根据用户与图表的交互，Graphologue的用户可以提交特定于上下文的提示。这些问题指导LLMs提供更多详细信息或解释，促进更深入和灵活的对话。
在评估中，该团队关注将LLM生成的响应与图表表示相结合的优点和缺点。它还研究了包括文本、概要和图表在内的各种表示形式如何相互改进，以帮助用户更好地理解LLMs生成的内容。此次评估还为使用图形界面与LLMs进行交互的潜在未来方向提供了见解。其主要目标是评估Graphologue的性能以及图形在LLM应用中的潜力。
总之，Graphologue改变了人与LLMs之间的互动方式。这种图形方法促进的非线性对话对涉及知识探索、组织和理解的活动尤其有帮助。用户可以更轻松地浏览信息，根据需要更改图形表示，并主动与系统进行交互以更好地理解内容。
