“没有人知道是什么使人类变得更加有效”：基于同性恋者的小语言模型可以帮助解释我们如何学习和提高AI效率＆mdash；无论好坏

　　科技公司正在将重点从建立最大的语言模型（LLM）转变为开发较小的语言模型（SLM） ，这些语言模型（SLM）可以匹配甚至超越它们 。 　　Meta的Llama 3（4000亿个参数）
，OpenAi＆rsquo＆rsquo＆rsquo（1750亿个参数）和GPT-4（估计1.8万亿个参数）是著名的模型，而Microsoft的Phi-3家族范围为380亿至140亿到140亿到140亿到140亿个参数
。 　　具有更少参数的模型似乎是一种降级 ，但是SLM的吸引力是可以理解的。他们消耗的精力减少
，可以在智能手机和笔记本电脑等设备上进行本地运行，并且非常适合不起昂贵的硬件设置的小型企业和实验室 。 　　你可能喜欢 　　您的AI ，您的规则：为什么BYO-LLM“带上自己的LLM ”是未来 　　Openai继续在开发人员中占主导地位 - 但是情况正在快速变化 　　“灾难性过度训练
”可能会损害大型语言AI模型，这些模型是为了培训而受到更多数据培训的 　　大卫vs.歌利亚 　　正如IEEE Spectrum报道的那样
，“ SLM的兴起是在LLM之间的性能差距迅速缩小的时候，技术公司希望偏离标准缩放法律 ，并探索其他途径以进行性能升级
。” 　　在Microsoft
，Phi-3-Mini进行的一轮测试中，这家技术巨头最小的型号具有38亿个参数 ，在某些领域与Mixtral（8 x 70亿）和GPT-3.5进行了竞争
，尽管足够小，足以适合手机。它的成功归功于用于培训的数据集 ，该数据集由“大量过滤的公开可用的Web数据和合成数据组成 ” 。 　　尽管SLMS具有类似的语言理解和推理水平
，但它们仍然受到某些任务的规模的限制，并且可以存储太多的“事实
”知识。这是可以通过将SLM与在线搜索引擎相结合来解决的问题
。 　　IEEE Spectrum＆rsquo的Shubham Agarwal将SLM与孩子们学习语言进行了比较 ，并说：“到13岁时
，他们接触到约1亿个单词，并且在语言上的聊天机器人比聊天机器人更好 ，并且只能访问0.01％的数据。”尽管正如阿加瓦尔（Agarwal）指出的那样，“没人知道是什么使人类变得更加有效
， ”苏黎世Eth Eth Zurich的计算机科学研究人员Alex Warstadt提出：“在小尺度上，逆向工程有效的人类式学习可能会导致巨大的改进 ，而扩大到LLM量表 。” 　　你是专业人士吗？订阅我们的新闻通讯 　　注册techradar Pro新闻通讯
，以获取您的业务成功所需的所有首选，意见 ，功能和指导！取得成功！请与我联系我们的其他未来品牌的新闻
，并代表我们值得信赖的合作伙伴或Sponsorsby提交您的信息，您同意您同意的条款和隐私政策 ，并年龄在16岁或超过16岁之间
。 　　Techradar Pro的更多信息 　　中国基于XI Jingping的LLM虽然Trussia最大的科技公司刚刚发布了免费的AI Toolllm服务
，这是由希望以私人信息出售的黑客袭击