据悉,一项新研究提出了一种名为“BabelTele”的文本压缩方法。该方法能生成人类几乎无法直接阅读的内容,但其核心思想在于,当前大语言模型间的交互普遍采用为人类设计的自然语言,其中包含大量冗余信息。BabelTele则是一种面向模型而非人类的文本表示方法,通过融合多语言词汇、数学符号等,将原始文本压缩成一种高度密集的“模型语言”。
实验显示,该方法能将文本压缩至原来的27.9%,同时保持高达99.5%的语义准确性。在测试中,人类读者阅读压缩文本后问答准确率显著下降,而AI模型的准确率则保持稳定。这表明BabelTele在牺牲人类可读性的同时,并未丢失模型可恢复的语义信息。
在更广泛的基准测试中,BabelTele的表现均优于传统的自然语言摘要和专门的提示压缩工具。此外,它还能在不同的大语言模型间“零样本”传递,堪称AI之间的“AI语言”。在多智能体通信等实际应用场景测试中,它也展现了减少通信开销同时保持高效任务完成的潜力。
这项研究为AI行业提供了新视角,表明在AI Agent和长文本处理等场景中,为大语言模型设计的专用“AI语言”或许是提升效率的有效途径。虽然目前更多是概念验证,但它打开了通往“模型原生语言”的大门。


粤公网安备 44010602000162号
网友评论