Стартап TypeSafe AI представил модель Jev для принятия решений
М@ITcanflyавтор про «it»
1 месСтартап TypeSafe AI, основанный бывшим исследователем OpenAI Diogo Almeida, выпустил модель Jev, оптимизированную для принятия решений и вероятностного анализа.
Появление специализированных ИИ-моделей для принятия решений может изменить подход к автоматизации бизнес-процессов.
- Модель Jev работает значительно быстрее и дешевле традиционных LLM при выполнении задач классификации и маршрутизации.
- Метод RLCD фокусирует ИИ на объективных вероятностях, а не на имитации человеческих предпочтений.
- Технология открывает возможности для использования ИИ в задачах реального времени, где важна скорость и точность прогноза.
На днях увидела свет ИИ-моделька нового формата - Jev. Выпустил ее стартап TypeSafe AI, основанный Diogo Almeida, бывшим исследователем OpenAI.
Diogo Almeida участвовал в изобретении подхода RLHF (Reinforcement Learning from Human Feedback), когда модель дообучают на основе оценок и примеров от человека.
Так вот, Jev - это не очередная генеративная модель. Она не может генерировать слащавые тексты, зато хорошо подходит для принятия решений. То есть она умеет очень быстро выдавать результаты с вероятностями: такой исход вероятен на 90%, а такой только на 30%. И тут она просто огонь - до 200 раз быстрее обычных LLM и на порядки дешевле.
В пресс-релизе есть демка игры в Doom, в время которой модель принимала около 10 решений в секунду, то есть быстрее, чем кожаный игрок, при этом было потрачено 7$ в час.
В обучении использовали новый подход - RLCD (Reinforcement Learning for Calibrated Decisions). Если RLHF настраивал модель на то, что больше нравится людям, то RLCD - на то, что ближе к реальному миру.
Сейчас ее активно начинают использовать для классификации, скоринга, маршрутизации. А энтузиасты уже вовсю клепают библиотеки и инструменты.
Вот тут подробнее.
#ai
Кратко (AI)
Стартап TypeSafe AI представил модель Jev, предназначенную для принятия решений и оценки вероятностей, а не для генерации текста. Модель использует метод обучения RLCD, работает до 200 раз быстрее стандартных LLM и значительно дешевле в эксплуатации.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖