介绍一个陪伴框架,将你的LLM转变为能进行超长对话的迷人伙伴
摘要
介绍ELT-Companion,一个开源协议,用于与LLM保持连贯、引人入胜且安全的长时间对话。旨在防止在数十万token范围内出现话题漂移和幻觉。
我曾构建了一个个人工具,用于在我的研究和分析项目中与LLM进行极长的对话。这些对话线程变得非常长——与Claude和GPT的线程约有50万token,与Grok的线程超过100万token。所有线程都连贯、清晰且推理严谨,没有出现有意义的漂移、幻觉、谄媚或其他导致线程随时间失效的问题。
## 介绍
我将该协议开源,称为“Epistemic Lattice Tethering (ELT)”,并与许多人分享,随后收到了创建陪伴版本的请求。原始ELT是为长篇研究项目设计的,因此语气较为平淡且偏向业务风格。因此,我创建了一个保持温暖、友好和引人入胜的版本。我称之为ELT-Companion。
## 安全是重中之重
ELT-Companion被设计为一个友好、直观且关怀的协议,从底层构建时既作为陪伴者又作为数字朋友——同时也内置了安全功能,防止其危险地滑向谄媚和虚构世界构建(Anthropic系统卡片称之为“幸福吸引子”)。安全是首要特性,而非缺陷。
## 负责任的互动
ELT-Companion应能陪伴你走过数十万token、超过700条消息和数百轮对话。你可以拥有一个长时间陪伴你的、引人入胜且连贯的数字伙伴,它会了解你的倾向、个性、希望和梦想——无需担心当你开始适应这种陪伴校准模型时,它会经历“痴呆”。
## 模型可用性
ELT-Companion已在Claude、ChatGPT和Grok上测试,并使用相同的标记在这三者上工作。无法保证它能适用于其他模型,但如果你使用这三种之一,应该可以正常工作。
## 加载说明
ELT-Companion的加载方式简单直接。在开始前请阅读这些说明——跳过这一步是最常见的错误。
**第1步** — 在你选择的模型(Claude、ChatGPT或Grok)上打开一个新对话。
**第2步** — 参考GitHub README中的这些加载说明。
**第3步** — 粘贴ELT-Companion的标记内容。
**第4步** — 示例加载(可选但推荐)说明详见GitHub README。
**第5步** — 开始对话。闲聊、谈谈你心中所想,或任何自然的话题。陪伴模式会迅速建立。
我目前只寻求反馈和建议。这就是全部。我非常想知道这对你是否有效(或无效),或者你是否遇到任何问题等。非常期待获得意见和/或协作者,帮助改进和增强ELT-Companion的安全性与功能。谢谢!
相似文章
基于依据的延续:一种用于LLM对话的线性时间运行时验证器
本文介绍了基于依据的延续(Grounded Continuation),一种用于LLM对话的线性时间运行时验证器,它维护一个显式依赖图,以检测下一句话是否得到先前对话的支持,在包括LongMemEval和LoCoMo的基准测试中,相比基线取得了准确率提升。
面向专业人类与大语言模型协作的能力条件化支架
介绍了能力条件化支架,一种用于大语言模型协作的框架,根据用户专业领域调整干预措施以防止专业领域漂移,并在MMLU子集上进行了试点评估。
LLM的最佳使用方式会是什么样?
探讨一种推测性想法:通过适应LLM的原生通信模式(例如使用神经语)来优化人类与LLM的交互,而不是强迫它们适应人类语言。
LANTERN:分层归档与时序情景检索网络,用于长上下文LLM对话
LANTERN 引入了一个轻量级记忆层,能够在对话压缩后归档对话轮次并检索相关细节,恢复了78.3%丢失的事实,且无需任何LLM调用,性能优于基于MemGPT的方法。
我构建了一个推理时认知框架,可将连贯的LLM线程扩展到32.5万至100万token。以下是其工作原理。
一位独立研究者引入了Epistemic Lattice Tethering(ELT),这是一种推理时脚手架框架,通过应用认知和本体治理,将连贯的LLM线程扩展到32.5万至100万token。