LegközelebbKövetkező útmutató
Orvosi nagynyelvű modellek
Nyelvi AI
Nyelvi AI ÚTMUTATÓ
A kialakuló képességek olyan készségek, amelyek hirtelen megjelennek a nagy nyelvi modellekben, amint áthaladnak egy bizonyos skálán, még akkor is, ha a kisebb modellek semmi jelét nem mutatták ezeknek.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ezek azért fontosak, mert kis léptékű kísérletekből nehéz megjósolni a képességeket.
Wei és munkatársai egy 2022-es tanulmányában népszerűsítették, a megjelenés olyan feladatokra utal, ahol a teljesítmény a kisebb modellek esélye közelében marad, majd meredeken ugrik, ha a modell átlép egy méretküszöböt a paraméterekben, adatokban vagy számításokban. A közölt példák között szerepelt a többlépcsős aritmetika, bizonyos érvelési referenciaértékek és az újszerű utasítások követése. A feltűnő rész a folytonossági hiány volt: a készség nem javult fokozatosan, hiányzónak tűnt, majd jelen volt. A Schaeffer és munkatársai által 2023-ban végzett nyomon követés azt állította, hogy bizonyos megjelenések részben mérési műtermékek, mivel a kemény mindent vagy semmit mérőszámok, mint például a pontos egyezés, eltúlozzák a hirtelen ugrásokat, amelyek lágyabb pontozás mellett simának tűnnek. A vita átformálta azt, hogy a kutatók hogyan jelentenek be skálázási eredményeket és választanak ki értékelési mérőszámokat.
Nagy modellek, amelyek többlépcsős szöveges feladatokat oldanak meg, amelyekre a kisebb verziók véletlenszerűen válaszoltak.
Egy modell, amely hirtelen követi az összetett, soha nem látott utasításokat, miután átlépte a skálaküszöböt.
A gondolati lánc csak akkor erősíti az érvelést, ha a modellek elérik a megfelelő méretet.
A kutatók újratervezik a „hirtelen” benchmark ugrást a részleges kreditpontozással, és sima görbét találnak.
A kutatók most több mérőszámmal párosítják a skálázási vizsgálatokat, hogy elkülönítsék a valódi fázisváltozásokat a műtermékektől, és megvizsgálják, hogy mely képességek valóban csak a skálán jelennek meg. A jobb kiszámíthatóság fontos a biztonság szempontjából, mivel az előre nem látható képességek között kockázatosak is lehetnek. További munkára kell számítani a skálázási törvényeken, amelyek előre megjósolják a képességeket, valamint gondos benchmark tervezést, hogy az állítólagos „kitörés” a modell viselkedését tükrözze, nem pedig a mérés furcsaságait.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A kialakuló képességek olyan készségek, amelyek hirtelen megjelennek a nagy nyelvi modellekben, amint áthaladnak egy bizonyos skálán, még akkor is, ha a kisebb modellek semmi jelét nem mutatták ezeknek. Ezek azért fontosak, mert kis léptékű kísérletekből nehéz megjósolni a képességeket.
The cited work described apparently sharp capability changes for some tasks.
The follow-up argues nonlinear or discontinuous metrics can create apparent abrupt jumps.
The study explains that all-or-nothing metrics can exaggerate a discontinuity.
The paper reports metric changes can reveal smoother performance trends.
The research debate emphasizes metric choice and better statistics.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Orvosi nagynyelvű modellek
Nyelvi AI