«`html
700,000 LLMs, куда все это идет?
от desexmachina в LocalLLaMA
Большие языковые модели (LLM) за последнее время завоевали сообщество искусственного интеллекта (ИИ). В Reddit пользователь недавно обратил внимание на поразительное количество более 700 000 больших языковых моделей на Hugging Face, что вызвало спор о их полезности и потенциале. Эта статья основана на Reddit-треде и исследует последствия наличия такого большого количества моделей и точку зрения сообщества на их управление и ценность.
Ряд пользователей Reddit считают, что эти модели излишни или низкого качества. По мнению одного из них, 99% из них бесполезны и будут удалены со временем. Другие указали на то, что многие модели являются байт-за-байтом копиями или едва измененными версиями одних и тех же исходных моделей. Эту ситуацию сравнили с изобилием доступных онлайн форков на GitHub, которые на самом деле не приносят никаких новых функций.
Пользователь поделился личной историей о том, как он разработал модель с недостаточными данными и способствовал этому избытку, подразумевая, что многие модели являются продуктом подобных халатных или плохо выполненных исследований. Это привлекает внимание к более общей проблеме контроля качества и необходимости более организованного метода управления этими моделями.
Некоторые пользователи утверждают, что умножение моделей является важной составляющей исследований. Пользователь подчеркнул, что даже если эта экспериментирование беспорядочно, оно важно для развития области и не должно быть списано как потеря времени или денег. Эта перспектива подчеркивает значимость узкоспециализированных приложений и точной настройки. Несмотря на то, что многие модели могут показаться излишними, они фактически являются ступеньками, позволяющими исследователям и ученым создавать более сложные и специализированные LLM. Несмотря на беспорядочность, этот метод является важным для развития ИИ.
Также обсуждалась необходимость улучшенных систем управления и оценки. Многие пользователи на Hugging Face выразили свое недовольство процессом оценки моделей. Отсутствие сильной системы категоризации и сортировки затрудняет поиск высококачественных моделей. Другие, считающие, что требуются лучшие стандарты и бенчмарки, также аргументируют за более объединенный и согласованный подход к управлению этими моделями.
Пользователь Reddit предложил лучший и уникальный метод бенчмаркинга, предложив систему сравнения моделей друг с другом, аналогичную интеллектуальным экзаменам. В этом случае использовалось бы относительное оценивание, что позволило бы более гибкий и динамичный способ оценки производительности модели. Такой метод мог бы уменьшить проблемы, вызванные утечками данных и быстрым устареванием бенчмарков.
Управление таким большим количеством моделей имеет важные практические последствия. Ценность модели глубокого обучения часто быстро снижается по мере появления новых, незначительно лучших моделей. В результате пользователь предложил создать динамическую среду, в которой модели должны непрерывно изменяться, чтобы быть актуальными.
В заключение, беседа на Reddit о размножении LLM на Hugging Face демонстрирует обзор трудностей и возможностей, с которыми сталкивается сообщество ИИ. Несмотря на наличие такого большого количества моделей, для развития необходим этот период интенсивного экспериментирования. Для успешного управления этой сложностью требуется улучшенное управление, оценка и стандартизация. Важно найти баланс между поощрением инноваций и поддержанием качества по мере расширения области ИИ.
Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте With 700,000 Large Language Models (LLMs) On Hugging Face Already, Where Is The Future of Artificial Intelligence AI Headed?.
Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизации: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.
Определитесь какие ключевые показатели эффективности (KPI): вы хотите улучшить с помощью ИИ.
Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI.
На полученных данных и опыте расширяйте автоматизацию.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями о ИИ в нашем Телеграм-канале t.me/itinainews или в Twitter @itinairu45358
Попробуйте AI Sales Bot https://itinai.ru/aisales Этот AI ассистент в продажах, помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.
Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab itinai.ru будущее уже здесь!
«`
