Moduláris AI-rendszerek 15,4%-kal múlják felül a nagy nyelvi modelleket
A moduláris AI-rendszerek akár 15,4%-kal is jobban teljesíthetnek a nagy nyelvi modelleknél (LLM). A részvételi alapú megközelítés jobban tükrözi az emberi tudást és értékeket.
Új paradigmát vezetnek be a moduláris AI-rendszerek fejlesztésében, amelyek a részvételi alapú megközelítést alkalmazzák. Ezek a rendszerek a monolitikus LLM-ekkel szemben akár 15,4%-kal jobb eredményeket érhetnek el 15 különböző feladatban, beleértve a ténybeli pontosságot és az érvelést. (ArXiv AI)
A kutatás szerint a részvételi AI-rendszerek előnye, hogy a kisebb, specifikus modelleket különböző érdekekkel és prioritásokkal rendelkező résztvevők hozzájárulásával építik fel. Ezek a modulok aztán együttműködnek egy keretrendszerben, így olyan kompozicionális AI-rendszereket hozva létre, amelyek felülmúlhatják a náluk nagyobb monolitikus modelleket is.
Kapcsolódó: autonóm rendszerek
A részvétel előnyei
A tanulmány kiemeli, hogy a részvételi AI-rendszerek profitálnak a résztvevők sokszínűségéből. Ez a sokszínűség nemcsak a hozzájáruló eredeti prioritásait javítja, hanem olyan emergent képességeket is lehetővé tesz, amelyekkel a problémák több mint 15%-át képesek megoldani ott, ahol az egyéni modellek kudarcot vallanak.
Kapcsolódó: AI áttörés
Jövőbe mutató alapok
Ez a megközelítés technikai alapot teremt a monolitikus rendszerekről egy nyitottabb, alulról építkező és együttműködésen alapuló AI-jövő felé történő elmozduláshoz. A kutatás az arXiv-on érhető el, a 2606.07812v1 azonosító alatt, ahol további részletek találhatók.
Kapcsolódó: OpenTools teljesítmény