[论文解读] Low-code LLM: Graphical User Interface over Large Language Models

Yuzhe Cai, Shaoguang Mao+11 more|arXiv (Cornell University)|Apr 17, 2023

Digital Rights Management and Security被引用 22

一句话总结

本文提出了低代码LLM（Low-code LLM），是一种人机交互框架，使用规划LLM生成结构化工作流，执行LLM按照用户确认的、低代码编辑后的工作流执行，从而在四种场景下实现可控且用户友好的任务执行。

ABSTRACT

Utilizing Large Language Models (LLMs) for complex tasks is challenging, often involving a time-consuming and uncontrollable prompt engineering process. This paper introduces a novel human-LLM interaction framework, Low-code LLM. It incorporates six types of simple low-code visual programming interactions to achieve more controllable and stable responses. Through visual interaction with a graphical user interface, users can incorporate their ideas into the process without writing trivial prompts. The proposed Low-code LLM framework consists of a Planning LLM that designs a structured planning workflow for complex tasks, which can be correspondingly edited and confirmed by users through low-code visual programming operations, and an Executing LLM that generates responses following the user-confirmed workflow. We highlight three advantages of the low-code LLM: user-friendly interaction, controllable generation, and wide applicability. We demonstrate its benefits using four typical applications. By introducing this framework, we aim to bridge the gap between humans and LLMs, enabling more effective and efficient utilization of LLMs for complex tasks. The code, prompts, and experimental details are available at https://github.com/moymix/TaskMatrix/tree/main/LowCodeLLM. A system demonstration video can be found at https://www.youtube.com/watch?v=jb2C1vaeO3E.

研究动机与目标

• 通过用可编辑的工作流替代提示来降低提示工程负担。
• 提供一个用户友好的可视界面，通过低代码操作来塑造LLM的执行。
• 通过规划LLM与执行LLM实现对复杂任务的可控、结构化执行。
• 展示在长文本生成、大型项目部署、任务完成助手与知识嵌入系统等领域的广泛适用性。

提出的方法

• 引入规划LLM以设计具有执行与跳转逻辑的结构化多步工作流。
• 定义六种低代码可视化编程操作以编辑工作流（添加/删除步骤、修改名称/描述、修改跳转逻辑、改动顺序、扩展某部分、重新生成/确认）。
• 将工作流可视化为流程图以通过GUI支持直观编辑。
• 将用户确认的自然语言工作流转换为结构化格式并输入给执行LLM。
• 用教育提示对规划LLM和执行LLM进行教育，以确保格式一致并遵循工作流。
• 在四类任务上进行用户 refinements 的迭代，直到结果符合预期。

实验结果

研究问题

• RQ1 规划LLM是否能够可靠地为复杂任务生成用户可以理解和编辑的结构化工作流？
• RQ2 六种预定义的低代码可视化操作是否能够实现有效、用户友好的编辑LLM执行逻辑？
• RQ3 强制执行用户确认的工作流是否在不同任务领域提升了可控性和输出质量？
• RQ4 低代码LLM方法是否广泛适用于长文本生成、大型项目开发、任务完成助手和知识嵌入系统？

主要发现

• 低代码LLM通过遵循用户确认的工作流来实现更具可控性的输出。
• 基于GUI的六操作编辑范式能够实现直观高效的工作流修改。
• 该框架支持需要人类偏好与领域知识的任务，减少对大量提示工程的需求。
• 定性试点案例表明在论文写作、面向对象编程、虚拟酒店服务和简历制作等领域，输出更符合用户意图。