大型语言模型风靡了人工智能社区。它们最近的影响帮助了医疗、金融、教育、娱乐等多个行业的发展。众所周知的大型语言模型，例如GPT、DALLE和BERT，执行了非凡的任务，改善了生活。DALLE 2可以根据简单的文本描述创建图像，GPT-3可以写出优秀的文章，完成代码，总结长篇文本段落，像人类一样回答问题，并仅凭一个简短的自然语言提示生成内容。这些模型正在帮助人工智能和机器学习迅速进行范式转变。
最近，一支研究团队推出了LMQL，一种开源的编程语言和语言模型交互平台。LMQL是Language Model Query Language的缩写，通过结合提示、约束和脚本，改进了大型语言模型（LLM）的能力。作为一种基于Python的声明性SQL语言，LMQL通过控制流、约束引导解码和工具增强，扩展了静态文本提示的功能。借助这种类型的脚本，LMQL可以用很少的代码简化多部分提示流程。
研究人员使用LMQL实现了LMP（Language Model Programming），将语言模型提示从纯文本提示扩展到文本提示和脚本的组合。LMQL从LMP提示中提取约束和控制流，生成高效的推理过程。这些超逻辑和高级约束通过一些评估语义转换为令牌掩码，并在生成过程中严格执行。
团队推出了LMQL，以避免重新查询和验证生成的文本所带来的高成本。这可以帮助LMQL在第一次尝试时生成更接近所需输出的文本，而无需后续迭代。此外，LMQL约束允许用户根据其期望的规范引导或控制文本生成过程，例如确保生成的文本遵循某些语法规则，或避免使用特定的单词或短语。
研究人员提到了LMQL如何捕捉一系列先进的提示方法，如交互式流程，这些方法在现有API中很难实现。评估结果显示，LMQL在许多下游任务上保持或提高了准确性，同时显著降低了计算或使用付费API的成本，节省了13-85%的费用。
LMQL可以简洁明了地表达各种常见和高级提示技术。它与Hugging Face的Transformers、OpenAI API和Langchain集成。相关的开发资源可在lmql.ai上获得，并提供基于浏览器的Playground IDE供实验使用。
总之，LMQL似乎是一个有前途的发展，因为评估表明，LMQL是一个强大的工具，可以提高语言模型编程的效率和准确性。它可以让用户在更少的资源下实现他们期望的结果。