Bringing Continual Learning into Enterprises — Samuel Denton, Applied Compute
Applied Compute använder en teknik som kallas kontinuerligt lärande för att förbättra AI-modeller direkt i företags-produktionen.
I ett exempel fick de en Qwen-modell att slutföra uppgifter på SWE bench dubbelt så snabbt (från 80 ned till 40 steg) genom att visa modellen hur den bör agera baserat på hur den redan beter sig — istället för att tvinga den mot ett "rätt svar". Deras approach fungerar i två lägen: antingen med gamla sparade data från produktion (snabb att börja men begränsad förbättring), eller med live-feedback från varje ny körning (långsammare att sätta upp men ger mycket bättre resultat). I ett verkligt exempel lyckades de få en modell att formatera hyperländar rätt i 80 procent av fallen genom att ge smarta tips efter varje försök — något som både belöningar och vanlig träning misslyckades med.
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.