Perplexity en NVIDIA presenteren nieuwe trainingsmethode
Onderzoekers van Perplexity en NVIDIA hebben een methode ontwikkeld waarbij een model tegelijkertijd als leraar en leerling fungeert. Dit zorgt voor efficiëntere trainingen met minder verwerkte tokens.
Er is een nieuwe trainingsmethode geïntroduceerd die gebruikmaakt van een gecombineerde aanpak voor het trainen van modellen. Hierbij vervult één model gelijktijdig de rol van leraar en leerling binnen een systeem van versterkend leren.
Bij tests wist de methode vergelijkbare resultaten te behalen als bestaande technieken, maar dan met een aanzienlijk kleinere hoeveelheid benodigde trainingsdata.
Dit soort innovaties dragen bij aan efficiëntere trainingsprocessen binnen de kunstmatige intelligentie, wat essentieel is om de kosten en de benodigde rekenkracht voor het ontwikkelen van geavanceerde systemen te beperken.
Deze samenvatting is gebaseerd op een origineel artikel van MarkTechPost. Lees het volledige, originele bericht bij de bron.
Lees het originele artikelAchtergrond bij dit bericht
Meer uit Onderzoek
- Nieuwe aanpak verbetert vraagverheldering voor generatieve systemen
- Onderzoek naar schaalbaarheid en diversiteit voor agenten in virtuele werelden
- Nieuw raamwerk combineert taalmodellen voor zuinigere wetenschappelijke zoektochten
- Nieuwe testomgeving meet of programmeeragents wetenschappelijke modellen kunnen verbeteren