Cascades maakt het gebruik van LLM erg goedkoop, LLM screent LLM efficiënt op daadwerkelijke betrouwbaarheid, twijfelachtige standaarden en meer

Dynamische vooruitgang op het gebied van kunstmatige intelligentie creëert enorme kansen voor innovatie. D:ECONOMY biedt u een regelmatig en gecoördineerd overzicht van de huidige onderzoeksvoortgang.

drDit omvat twee zeer verschillende manieren waarop AI-onderzoekers het gebruik van AI-modellen kosteneffectiever en efficiënter willen maken. Daarnaast is het tijd om LLM-normen die niet serieus moeten worden genomen, nader te bekijken.

Onze gids voor AI-onderzoek van vandaag behandelt de volgende onderwerpen:

• Algoritmisch gegradeerde en gecascadeerde LLM's zijn kosteneffectiever dan het gebruik van slechts één model.
• De lange output van LLM's kan efficiënt en kosteneffectief worden geverifieerd op feitelijke juistheid met behulp van een tweede LLM en een zoekopdracht op internet.
• Taalmodellen kunnen de inherente asymmetrie tussen kopers en verkopers op informatiemarkten verminderen.
• LLM's gebaseerd op meerkeuze zijn vaak minder nuttig dan doorgaans wordt aangenomen.
• Beter dan een switch: Onderzoekers bieden kleinere 1-bit-modellen aan die efficiënter zijn dan ‘gewone’ LLM’s in termen van latentie, doorvoer en stroomverbruik.