RTK-ն հայտնում է թոքենների խնայողության մասին, սակայն մեր ծախսերի չափորոշիչները հակասում են դրան
Quesma-ի թիմը հրապարակել է քննադատական վերլուծություն AI կոդավորման աշխատանքային հոսքերում RTK-ի (Retrieval-Augmented Tokenization) արդյունավետության վերաբերյալ: Մինչ RTK-ի կողմնակիցները պնդում են, որ այս տեխնիկան զգալիորեն նվազեցնում է թոքենների սպառումը և դրանց հետ կապված ծախսերը, Quesma-ի ներքին չափորոշիչները այլ պատկեր են ցույց տալիս: Մի շարք թեստեր անցկացնելով՝ հեղինակները պարզել են, որ իրական ծախսերի խնայողությունը հաճախ չափազանցված է կամ աննշան՝ կախված կոնկրետ իրականացումից և կոդի բարդությունից: Հոդվածը ընդգծում է անկախ թեստավորման կարևորությունը AI օպտիմալացման գործիքները գնահատելիս: Այն զգուշացնում է մշակողներին և ձեռնարկություններին չհիմնվել միայն վաճառողի տրամադրած տվյալների վրա: Փոխարենը, հեղինակները հորդորում են կիրառել թափանցիկ չափորոշիչներ՝ համոզվելու համար, որ ճարտարապետական փոփոխությունները իրականում տալիս են խոստացված տնտեսական օգուտները՝ առանց անհարկի բարդությունների:
This is a summary. Read the full article at the original source:
Hacker News (YC)Կապակցված
Waymo-ի էֆեկտը. ինչպես է AI-ն լուռ դարձնում հետազոտությունները ավելի քիչ համագործակցային
Հոդվածը քննարկում է «Waymo-ի էֆեկտը»՝ մի երևույթ, որտեղ արհեստական բանականության հետազոտությունների առևտրայնացումը հանգեցնում է բաց գիտական համագործակ…
Claude-ը ներդնում է տարիքային ստուգման նոր մեխանիզմներ
Anthropic ընկերությունը պաշտոնապես թարմացրել է Claude AI հարթակի հասանելիության քաղաքականությունը՝ հայտարարելով, որ ծառայությունն այլևս հասանելի չէ ան…
Երիտասարդ աշխատողները ցանկանում են, որ իրենց ղեկավարները սկսեն իրենց պահել արհեստական բանականության պես
Use.AI-ի կողմից անցկացված հետազոտությունը, որին մասնակցել է ավելի քան 11,000 մարդ, ցույց է տալիս, որ 18-28 տարեկան աշխատողների 62%-ը նախընտրում է, որ…