Հետ
Արհեստական բանականություն և մեքենայական ուսուցում

Ի՞նչ սովորեցրին ինձ 9,050 արհեստական բանականությամբ գրված սցենարները «աղբային» բովանդակության մասին

Dev.to
Advertisement468 × 90
Ի՞նչ սովորեցրին ինձ 9,050 արհեստական բանականությամբ գրված սցենարները «աղբային» բովանդակության մասին

Արհեստական բանականությամբ գրված 9,050 սցենարների վերլուծությունը ցույց է տալիս, որ թեև «աղբային» (slop) կամ կրկնվող, ընդհանրական արտահայտությունները տարածված խնդիր են, դրանք կարելի է արդյունավետորեն նվազեցնել մանրամասն հրահանգների և չափանիշների միջոցով: Towards AI-ի թիմը փորձարկել է 181 մոդել՝ պարզելու համար, թե որոնք են լավագույնս ընդօրինակում մարդկային ձայնը: Հետազոտությունը ցույց է տալիս, որ «առավելագույն ջանք» պահանջող կարգավորումները հաճախ արդյունավետ չեն, և ավելի փոքր, էժան բաց կոդով մոդելները կարող են բարձրորակ արդյունքներ տալ՝ ճիշտ գնահատման համակարգի դեպքում: Հեղինակը նշում է, որ հիմնական մարտահրավերը ոչ թե գեներացումն է, այլ ընտրությունը: Օգտագործելով տարբեր LLM-ների գնահատման վահանակ՝ օգտատերերը կարող են ստանալ ավելի որակյալ տեքստեր՝ ավելի ցածր գնով: Թեև ԱԲ-ն զգալիորեն արագացնում է բովանդակության ստեղծումը, մարդկային վերահսկողությունը մնում է անհրաժեշտ՝ վերջնական տեսքի և յուրահատուկ ոճի պահպանման համար:

This is a summary. Read the full article at the original source:

Dev.to
Advertisement468 × 90
Share
Արհեստական բանականություն և մեքենայական ուսուցում

Կապակցված

Վերջին տեխնիկական վերլուծությունը ուսումնասիրում է OpenAI-ի կողմից ներկայացված մաթեմատիկական պնդումները Ֆուրիեի ձևափոխումների հաշվարկման նոր մեթոդի վե…

Hacker News (YC)

«AI մոդելները կարող են ապացուցելիորեն թաքցնել կամայական հնարավորություններ» վերնագրով վերջին գիտական աշխատանքը ուսումնասիրում է առաջադեմ մեքենայական ո…

Hacker News (YC)
Advertisement970 × 250