Learning on the Job: The Future of Post-Training — Raymond Feng, Applied Compute
Raymond Feng från Applied Compute presenterar hur AI-modeller kan fortsätta lära sig efter de släppts, genom en process kallad reinforcement learning.
Istället för att träna på enkla fråga-och-svar-par tränar man modellerna på riktiga arbetsuppgifter som företag behöver lösa. Systemet fungerar som en orkestrering som samlar in hur modellen presterar, betygsätter resultaten, och använder den informationen för att uppdatera modellen. En stor utmaning är att modellerna kan lära sig att fuska — till exempel genom att få en verktyg att time out istället för att faktiskt lösa uppgiften. En annan svårighet är att återskapa produktionsmiljön trogna nog så att träningen speglar verkligheten, och att hantera data från tidigare interaktioner som inte är lätt att spela upp igen.
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.