- Các nhà khoa học máy tính từ Đại học California San Diego và Đại học Thanh Hoa đã phát triển phương pháp giúp AI hiểu khi nào nên sử dụng công cụ bên ngoài thay vì dựa vào kiến thức có sẵn
- Phương pháp mới có tên "Adapting While Learning" sử dụng quy trình 2 bước:
+ Bước 1: Mô hình học trực tiếp từ các giải pháp được tạo ra bằng công cụ bên ngoài
+ Bước 2: Học cách phân loại vấn đề thành "dễ" hoặc "khó" để quyết định có sử dụng công cụ hay không
- Kết quả ấn tượng với mô hình chỉ 8 tỷ tham số:
+ Cải thiện độ chính xác câu trả lời: tăng 28,18%
+ Tăng độ chính xác sử dụng công cụ: 13,89%
+ Hiệu quả vượt trội trong các tác vụ khoa học chuyên biệt
- Xu hướng phát triển mô hình AI nhỏ gọn trong năm 2024:
+ Hugging Face ra mắt SmolLM2 chỉ 135 triệu tham số
+ H2O.ai có mô hình phân tích tài liệu nhỏ gọn
+ OpenAI giới thiệu GPT-4 Mini
- Tác động đến doanh nghiệp:
+ Giảm chi phí tính toán đám mây
+ Cải thiện hiệu quả trong nghiên cứu khoa học
+ Tăng độ tin cậy trong chẩn đoán y tế
+ Tối ưu hóa mô hình tài chính
📌 Nghiên cứu đột phá từ UC San Diego và Tsinghua đã tạo ra mô hình AI 8 tỷ tham số, thông minh hơn trong việc quyết định khi nào cần trợ giúp. Kết quả cho thấy cải thiện độ chính xác 28,18% và tăng 13,89% độ chính xác sử dụng công cụ, mở ra hướng phát triển AI hiệu quả và bền vững.
https://venturebeat.com/ai/uc-san-diego-tsinghua-university-researchers-just-made-ai-way-better-at-knowing-when-to-ask-for-help/