低代码LLM：在LLMs上进行可视化编程

​

Low-code LLM: Visual Programming over LLMs

解决问题：该论文旨在解决利用LLMs完成复杂任务时的挑战，通常涉及耗时且无法控制的提示工程过程。作者提出了一种新的人-LLM交互框架，Low-code LLM，通过六种简单的低代码可视化编程交互，支持点击、拖动或文本编辑，以实现更可控和稳定的响应。该方法旨在通过视觉交互的方式，让用户将想法融入工作流程，而无需编写琐碎的提示信息。

关键思路：该论文的关键思路是利用Low-code LLM框架，通过可视化的方式进行人-LLM交互，以实现更加可控的生成结果、更加用户友好的交互以及更广泛的适用场景。相比当前领域的研究状况，该论文的思路在于提出了一种全新的人-LLM交互框架，通过低代码可视化编程交互的方式，使得用户可以更加方便快捷地与LLMs进行交互，从而提高LLMs的利用效率。

其他亮点：该论文的实验设计了四个典型应用程序来展示Low-code LLM框架的优势，即可控的生成结果、用户友好的人-LLM交互以及广泛的适用场景。该系统将很快在LowCodeLLM上公开发布。

关于作者：本篇论文的主要作者包括Yuzhe Cai、Shaoguang Mao、Wenshan Wu、Zehua Wang、Yaobo Liang、Tao Ge、Chenfei Wu和Wang You。他们分别来自不同的机构，如清华大学、华为技术有限公司等。根据我的数据库，这些作者之前的代表作包括：《Deep Reinforcement Learning for Page-wise Recommendations》、《Improving Multi-Label Emotion Classification via Knowledge Distillation from Auxiliary Emotional Labels》等。

相关研究：近期其他相关的研究包括《A Survey of Visual Programming Languages for Data Science》（作者：Yanqing Zhang等）、《A Brief Survey of Low-Code Development Platforms》（作者：Zengyang Li等）等。

论文摘要：本文介绍了一种新型的人-LLM交互框架，Low-code LLM。它包括六种类型的简单低代码可视化编程交互，所有交互都支持点击、拖动或文本编辑，以实现更可控和稳定的响应。通过与图形用户界面的可视化交互，用户可以将他们的想法纳入工作流程，而无需编写琐碎的提示。提出的Low-code LLM框架由一个规划LLM和一个执行LLM组成。规划LLM设计了复杂任务的结构化规划工作流程，用户可以通过低代码可视化编程操作相应地编辑和确认它。执行LLM根据用户确认的工作流程生成响应。本文强调了低代码LLM的三个优点：可控的生成结果、用户友好的人-LLM交互和广泛适用的场景。我们使用四个典型应用程序展示了其优点。通过引入这种方法，我们旨在弥合人类和LLMs之间的差距，实现更有效和高效地利用LLMs完成复杂任务。我们的系统将很快在LowCodeLLM上公开发布。

​Read More