【斯坦福】FrugalGPT: 如何使用大型语言模型，同时降低成本并提高性能

引言

本文介绍了一种新颖的方法，旨在解决使用大型语言模型（LLM）时面临的成本和性能挑战。随着GPT-4和ChatGPT等LLM的日益流行，我们需要找到降低这些模型推理成本的策略。作者强调了LLM API的异构定价结构以及使用最大的LLM所带来的巨大财务、环境和能源影响。

问题陈述

使用LLM进行高吞吐量应用可能非常昂贵。例如，ChatGPT的运营成本估计每天超过70万美元，而使用GPT-4支持客户服务可能会给小型企业带来每月2.1万美元的费用。此外，使用最大的LLM还会带来可观的环境和能源影响。因此，我们需要一种方法来降低LLM的推理成本，同时保持良好的性能。

FrugalGPT的解决方案

为了解决这个问题，作者提出了FrugalGPT，这是一种简单而灵活的LLM级联方法。FrugalGPT通过学习在不同查询中使用不同LLM组合的方式，以降低成本并提高准确性。

具体而言，FrugalGPT包括三种策略：提示适应、LLM近似和LLM级联。

提示适应

提示适应是一种通过识别有效的提示来节省成本的方法。通过精心设计的提示，可以减少LLM的推理成本。例如，使用较短的提示可以降低成本，而不会显著影响性能。

LLM近似

LLM近似旨在创建更简单、更便宜的LLM，以在特定任务上与强大但昂贵的LLM相匹配。通过降低模型的复杂性和规模，可以降低成本，同时保持合理的性能。

LLM级联

LLM级联是一种自适应选择不同LLM API的方法，以适应不同查询。通过根据查询的特性选择合适的LLM组合，可以降低成本并提高准确性。

实验结果

作者通过实验证明了FrugalGPT的有效性。实验结果显示，FrugalGPT可以在与最佳单个LLM相当的性能下，降低高达98%的推理成本。此外，FrugalGPT还可以在相同成本下提高4%的准确性。这些结果表明，FrugalGPT是一种可行的方法，可以在降低成本的同时提高性能。