Gated DeltaNet
A Gated DeltaNet címke azokat a fejlesztéseket és kutatásokat gyűjti, amelyek azt vizsgálják, miként kezelik az MI-modellek az időben változó információkat. A témához kapcsolódik a modellek állapotának követése, valamint annak mérése, hogy mennyire pontosan reagálnak a módosulásokra.
Az itt megjelenő hírek az ilyen képességek értékelésével és a modellek hatékony átalakításával foglalkoznak. Bemutatják többek között a StateBench vizsgálatait, illetve az Amazon olyan módszerét, amellyel újratanítás nélkül módosíthatók AI-modellek. A terület azért fontos, mert a naprakész és rugalmas működés alapvető az MI gyakorlati használatában.
A StateBench azt vizsgálja, hogyan követik a modellek a változásokat
Az Ai2 bemutatta a StateBench nevű benchmarkot, amely azt méri, mennyire képesek a nyelvi modellek hosszú szövegekben követni a változó információkat. A teszt szerint a…
Az Amazon módszerével újratanítás nélkül alakíthatók át az AI-modellek
Az Amazon Web Services olyan módszert mutatott be, amely előtanított Transformer-modellekből kiindulva teszi lehetővé hibrid architektúrák létrehozását. A Priming nevű…