The Base Model Is Dead — Varun Singh, Arcee AI
Varun Singh från Arcee AI argumenterar att den gamla uppfattningen om basmodeller — att de är speglar av internet som andra tekniker bygger på — inte längre stämmer.
Moderna modeller blandar in instruktionsdata och syntetisk träningsdata mycket tidigare i processen, och en egen mellanstagium har dykt upp. Raw webtext tar en backseat samtidigt som reinforcement learning (ett sätt att träna AI att resonera bättre) har blivit så viktigt att det ändrar vad basmodellen behöver göra från början. Singh går igenom praktiska problem hans team stötte på när de tränade Trinity-serien, som att få rätt balans i olika datakällor och få modellen stabil tidigt så den är förberedd för vad som kommer senare. Poängen är att basmodellens roll ständigt omdefinieras när kapaciteten ökar.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind
AI Engineer 30 aug.
Tell the Robot What You Want — Sandhya Subramani, AWS
AI Engineer 29 aug.
The Signal Layer: What to Build When Anything Can Be Built — Lena Hall, Akamai
AI Engineer 29 aug.
Tribal Dungeons of Global Shipping: AI Agents at Global Scale — Dmitry Buykin, Maersk
AI Engineer 29 aug.