NVIDIA lehetővé teszi a saját tranzakciós alapmodell építését – közel 50 % jobb csalásdetektálás
Fejlesztők most már GPU‑gyorsított folyamattal építhetnek saját tranzakciós modelleket, ami a 24,4 M rekordos IBM TabFormer adathalmazon közel 50 % AP-emelést ígér a csalásdetektálásban.
Közel 50 % AP-emelést ér el a folyamat az IBM TabFormer adathalmazon — írja az NVIDIA Developer Blog.
Működési lépések
A folyamat öt lépésből áll: GPU‑gyorsított adatfeldolgozást, egyedi tokenizálást, Llama‑alapú dekóder‑modell előtanítást, beágyazott reprezentációk kinyerését és a későbbi osztályozó bővítését követi.
Kapcsolódó: AI a pénzügyekben
Az egyedi tokenizáló 12 szemantikus tokenre csökkenti a tranzakciót, ami háromszor több rekordot tesz lehetővé ugyanabban a tokenköltségben.
Kapcsolódó: bankok AI elemzése
Partnerek és integráció
Stripe, Nubank, Visa, Mastercard, Revolut és Plaid már integrálták a megoldást, és jelentős termelékenységnövekedést tapasztaltak.
Kapcsolódó: nagy nyelvi modellek
Az NVIDIA Developer oldalán érhető el a folyamat, ahol a fejlesztők GPU‑gyorsított folyamattal építhetnek saját tranzakciós modelleket.
Kapcsolódó: ChatGPT bankszámla