Nội dung bài viết
Trong nhiều năm, các nhà nghiên cứu AI đã dự đoán thời điểm các hệ thống AI có thể tự cải thiện tốt hơn con người. Với việc các nhà đầu tư đổ tiền vào thế hệ phòng thí nghiệm AI định hướng nghiên cứu mới, sẽ có nhiều nguồn lực hơn bao giờ hết để theo đuổi mục tiêu.
Giờ đây, một trong những neolab đó đã thực hiện một bước quan trọng để biến nó thành hiện thực.
Vào thứ Tư, Adaption đã giới thiệu một sản phẩm mới có tên AutoScientist giúp các mô hình tìm hiểu các khả năng cụ thể một cách nhanh chóng bằng cách sử dụng phương pháp tự động hóa để tinh chỉnh thông thường.
Các kỹ thuật này có thể áp dụng cho nhiều lĩnh vực, nhưng nhóm Thích ứng đặc biệt tập trung vào khả năng tăng tốc và đơn giản hóa quá trình đào tạo cũng như tinh chỉnh mô hình AI cấp cao.
Theo đồng sáng lập và Giám đốc điều hành Sara Hooker, người trước đây từng giữ chức Phó Giám đốc nghiên cứu AI tại Cohere, AutoScientist đại diện cho một cách mới để tiếp cận quá trình đào tạo AI.
Hooker nói với TechCrunch: “Điều cực kỳ thú vị về nó là nó đồng tối ưu hóa cả dữ liệu và mô hình, đồng thời tìm hiểu cách tốt nhất để tìm hiểu về cơ bản bất kỳ khả năng nào”.
“Nó gợi ý rằng cuối cùng chúng ta có thể cho phép đào tạo AI tiên phong thành công bên ngoài các phòng thí nghiệm này” AutoScientist xây dựng dựa trên việc cung cấp dữ liệu hiện có của công ty, Dữ liệu thích ứng, nhằm mục đích giúp việc xây dựng các bộ dữ liệu chất lượng cao theo thời gian trở nên dễ dàng hơn.
Trong khi đó, AutoScientist được thiết kế để biến những bộ dữ liệu được cải tiến liên tục đó thành các mô hình AI được cải tiến liên tục.
Hooker nói: “Quan điểm của chúng tôi tại Adaption là toàn bộ hệ thống phải hoàn toàn có khả năng thích ứng và về cơ bản sẽ tối ưu hóa nhanh chóng cho bất kỳ nhiệm vụ nào bạn có”. Tất nhiên, cách tiếp cận đó sẽ chỉ tốt như kết quả đạt được.
Trong tài liệu ra mắt của mình, Adaption tự hào rằng AutoScientist đã tăng hơn gấp đôi tỷ lệ thắng trên các mô hình khác nhau — những con số ấn tượng nhưng khó đưa vào bối cảnh.
Do hệ thống được xây dựng để điều chỉnh mô hình cho phù hợp với các nhiệm vụ cụ thể nên các tiêu chuẩn thông thường như SWE-Bench hoặc ARC-AGI không thể áp dụng được.
Tuy nhiên, Adaption tự tin rằng người dùng sẽ thấy sự khác biệt khi họ dùng thử AutoScientist — tự tin đến mức phòng thí nghiệm sẽ cung cấp công cụ này để sử dụng miễn phí trong 30 ngày đầu tiên sau khi phát hành.
Hooker nói: “Giống như cách tạo mã đã mở ra rất nhiều nhiệm vụ, điều này sẽ mở ra rất nhiều sự đổi mới ở biên giới của các lĩnh vực khác nhau”. Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể kiếm được một khoản đồng nhỏ.
sứ mệnh . Điều này không ảnh hưởng đến tính độc lập biên tập của chúng tôi.
Nghiêm túcVC Athens là người tiếp theo. Nghe những hiểu biết sâu sắc chưa được lọc trực tiếp từ các nhà lãnh đạo công nghệ của Châu Âu và kết nối với những người đang định hình những gì phía trước.
Khóa tại chỗ của bạn trước khi nó biến mất. Những công nhân bị sa thải của Oracle đã cố gắng thương lượng mức lương thôi việc tốt hơn.
Oracle đã nói không.
Julie Bort Thị trường nhà ở của San Francisco đã mất trí Connie Loizos Nhà thầu quốc phòng Hoa Kỳ đã bán công cụ hack cho nhà môi giới Nga được lệnh phải trả 10 triệu đô la cho các chủ cũ Lorenzo Franceschi-Bicchierai Hackers đã phá hoại các trang đăng nhập của trường sau khi tuyên bố một vụ hack Instruct khác Lorenzo Franceschi-Bicchierai Zack Whittaker Google ra mắt Fitbit Air Aisha Malik không màn hình giống Whoop Năm kiến trúc sư của nền kinh tế AI giải thích nơi các bánh xe sắp rời khỏi Connie Loizos
Gợi ý thực hành:
1. Theo dõi thông báo từ cơ quan địa phương tại California.
2. Kiểm tra nguồn chính thức trước khi chia sẻ lại thông tin.