یادگیری ماشین های نکسینو

دانشمندان یادگیری ماشین در پژوهشی نوین، روشی ارزان‌قیمت و بسیار دقیق برای تخمین میزان صحت پاسخ‌های مدل‌های زبانی بزرگ جعبه‌سیاه ارائه داده‌اند که هزینه‌های توسعه را به شدت کاهش می‌دهد....

مدل LFM2.5-DSpark با استفاده از تکنیک رمزگشایی گمانه‌زنی (Speculative Decoding)، سرعت اجرای مدل‌های زبانی را تا ۳.۲ برابر افزایش می‌دهد و هزینه‌های پردازشی را به‌شدت می‌کاهد....

پژوهشگران روشی نوین توسعه داده‌اند که در آن مدل‌های زبانی با تکیه بر افت اطمینان آماری درونی خود و بدون نیاز به مجموعه‌داده‌های برچسب‌خورده، یاد می‌گیرند در برابر سوالات ناشناخته ابراز بی‌اطلاعی کنند....

تحقیقات جدید ثابت می‌کند که مدل‌های زبانی با پارامترهای زیر یک میلیارد می‌توانند موجودیت‌ها را در داستان‌ها ردیابی کنند و مدل‌های پیشرفته‌تر در این زمینه از انسان پیشی گرفته‌اند....

پژوهشگران با معرفی روش SSR، سرعت مدل‌های زبانی استدلالی را بدون نیاز به مدل کمکی و تا ۲۴ درصد افزایش داده‌اند....

یک پژوهش جدید نشان می‌دهد که با وجود پیشرفت‌های فنی، تنوع و خلاقیت مدل‌های بزرگ زبانی (LLM) در سه سال گذشته به شدت کاهش یافته و پاسخ‌های آن‌ها در حال همگرا شدن است....