LLM

Model Skywork-Reward-V2 firmy Skywork AI, wspierany przez innowacyjny zbiór danych SynPref-40M, wyznacza nowe standardy w dziedzinie modelowania preferencji. Stanowi to odpowiedź na dotychczasowe ograniczenia, oferując lepsze odzwierciedlenie ludzkiego osądu i skuteczność przewyższającą znacznie większe modele.

Naukowcy opracowali technikę WeGeFT, która znacząco poprawia wydajność dużych modeli językowych w wielu zadaniach, od rozumowania po generowanie kodu, bez konieczności zwiększania mocy obliczeniowej potrzebnej do ich dostrajania. To przełom w efektywnym udoskonalaniu AI.

Modele językowe często zawodzą w rozwiązywaniu problemów matematycznych i logicznych, gdy zadania są nawet nieznacznie zmodyfikowane. Nowa metoda AbstRaL, opracowana przez naukowców z Apple i EPFL, ma nauczyć sztuczną inteligencję abstrakcyjnego rozumowania, co znacznie zwiększa jej zdolność do rozwiązywania nienapotkanych wcześniej w dokładnie tej samej formie problemów. Pozwala to na bardziej uniwersalne zastosowanie modeli, niezależnie od zmian w danych wejściowych.

Tradycyjne metody oceny dużych modeli językowych (LLM) skupiają się głównie na poprawności odpowiedzi końcowych, ignorując proces rozumowania, który do nich prowadzi. Nowe podejście, ReasonFlux-PRM, ma na celu zrewolucjonizowanie tej praktyki, koncentrując się na jakości poszczególnych kroków myślowych, co jest kluczowe dla zaawansowanych modeli generujących złożone ścieżki rozumowania.

Tradycyjne modele oceny wyników dużych modeli językowych pomijają kluczowy etap: proces rozumowania. Nowe badania nad ReasonFlux-PRM oferują rozwiązanie, które pozwala na dokładniejszą ewaluację ścieżek myślowych, otwierając drogę do precyzyjniejszego treningu sztucznej inteligencji.