Критика фокуса на точности моделей в ущерб производительности
L@lovedeathtransformersAI-инженер
1 месАвтор критикует чрезмерное внимание к методам ризонинга и точности ИИ-систем, утверждая, что для пользователей важнее общая эффективность работы.
Пользователям важнее общая полезность ИИ, чем микроскопическое снижение ошибок.
- Разработчики часто фокусируются на метриках точности, которые не всегда заметны в реальных задачах.
- Для бизнеса и конечных пользователей критически важен прирост общей производительности, а не только снижение процента ошибок.
вообще все равно какой там ризонинг, латентный или нет, что раньше нормально не мониторили что сейчас не смогут мониторить, никому не нужна система которая на 0.1% реже врет, нужна система которая на 1% лучше работает
Кратко (AI)
Автор поста выражает скепсис по поводу текущих усилий разработчиков ИИ, направленных на улучшение точности моделей (ризонинга). По мнению автора, незначительное снижение галлюцинаций не имеет ценности, если общая эффективность системы не растет ощутимо.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖