Prime Intellect เปิดแหล่งที่มาของสภาพแวดล้อมเอเจนต์ปัญญาประดิษฐ์ที่พัฒนาตัวเองด้วยเครื่องมือมากกว่า 8,000 ชิ้น

iconKuCoinFlash
แชร์
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconสรุป

expand icon
Prime Intellect เปิดแหล่งที่มาของสภาพแวดล้อมเอเจนต์ปัญญาประดิษฐ์ที่พัฒนาตนเองเมื่อวันที่ 19 พฤษภาคม (UTC+8) โดยมีงานทั้งหมด 4,504 งานและเครื่องมือมากกว่า 8,000 ชิ้น ระบบการแข่งขันใช้เครื่องสร้างและตัวแก้ปัญหาเพื่อพัฒนาจากงานพื้นฐานผ่านกลยุทธ์ทั้งหมด 8 กลยุทธ์ในห้าระดับความยาก งานที่ผ่านเกณฑ์อัตราการผ่านเท่านั้นที่จะถูกเก็บไว้ โดยงานที่ยากที่สุดจะถูกใช้เป็นเมล็ดพันธุ์ใหม่ ประสิทธิภาพบนเบนช์มาร์ก BFCL เพิ่มขึ้นจาก 18.9% เป็น 52.3% หลังจากการปรับแต่งโมเดลที่มีพารามิเตอร์ 30 พันล้านตัวด้วยเส้นทางสังเคราะห์ 4,400 เส้นทาง การเคลื่อนไหวนี้อาจส่งผลกระทบต่อสภาพคล่องและตลาดคริปโตโดยลดการพึ่งพาชุดข้อมูลที่มีการติดป้ายกำกับด้วยตนเอง ซึ่งอาจช่วยสนับสนุนความพยายามของ CFT

ข้อความจาก AIMPACT เมื่อวันที่ 19 พฤษภาคม (UTC+8) ตามการติดตามของ Beating Prime Intellect ได้ประกาศเปิดแหล่งที่มาของสภาพแวดล้อมการฝึกอบรมตัวแทนทั่วไป (general-agent) ซึ่งเป็นสภาพแวดล้อมสังเคราะห์เต็มรูปแบบที่สามารถพัฒนาตนเองได้ หัวใจหลักของการเปิดตัวครั้งนี้คือการกำหนดการสร้างงานเป็นเกมสองผู้เล่น: โดยตัวสร้างและตัวแก้ปัญหาจะสลับกันแข่งขัน ขณะนี้ได้สร้างฐานข้อมูลสถานะขนาดใหญ่ที่ประกอบด้วยงาน 4,504 งาน และเครื่องมือเฉพาะมากกว่า 8,000 ชิ้นโดยอัตโนมัติ โครงสร้างนี้เริ่มต้นจากงานเมล็ดพันธุ์ง่ายๆ โดยใช้กลยุทธ์ทั้งหมด 9 แบบ เช่น ข้อจำกัดตามเงื่อนไข คำสั่งที่มีเสียงรบกวน และการเชื่อมโยงข้ามหน่วยงาน เพื่อแบ่งงานออกเป็นห้าระดับความยากตั้งแต่ t0 ถึง t4 ตัวสร้างรับผิดชอบออกแบบงานที่มีฐานข้อมูล เครื่องมือโต้ตอบ และฟังก์ชันตรวจสอบ ส่วนตัวแก้ปัญหาจะพยายามผ่านงานเหล่านั้น เฉพาะงานที่อัตราการผ่านอยู่ในช่วงความยากที่กำหนดเท่านั้นที่จะถูกเก็บไว้ โดยระดับที่ยากที่สุดจะกลายเป็นเมล็ดพันธุ์สำหรับการพัฒนาในรอบถัดไป การทดสอบจริงจากทางฝ่ายจัดทำแสดงให้เห็นว่า การปรับแต่งโมเดลพารามิเตอร์ 30B ด้วยเส้นทางกว่า 4,400 เส้นทางที่สร้างขึ้นจากสภาพแวดล้อมนี้เพียงอย่างเดียว สามารถเพิ่มความแม่นยำในการเรียกใช้เครื่องมือจาก 18.9% เป็น 52.3% ในการทดสอบมาตรฐาน BFCL กลไกนี้ช่วยให้โมเดลพ้นจากการพึ่งพาชุดข้อมูลที่ถูกทำเครื่องหมายด้วยมนุษย์ โดยผ่านการแข่งขันโดยตรงระหว่างโมเดล ระบบสามารถสร้างเนื้อหาการฝึกอบรมที่มีความยากควบคุมได้และมีการตรวจสอบเชิงความหมายอย่างต่อเนื่อง (ที่มา: BlockBeats)

แหล่งที่มา:แสดงต้นฉบับ
คำปฏิเสธความรับผิดชอบ: ข้อมูลในหน้านี้อาจได้รับจากบุคคลที่สาม และไม่จำเป็นต้องสะท้อนถึงมุมมองหรือความคิดเห็นของ KuCoin เนื้อหานี้จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยไม่มีการรับรองหรือการรับประกัน และจะไม่ถูกตีความว่าเป็นคำแนะนำทางการเงินหรือการลงทุน KuCoin จะไม่รับผิดชอบต่อความผิดพลาดหรือการละเว้นในเนื้อหา หรือผลลัพธ์ใดๆ ที่เกิดจากการใช้ข้อมูลนี้ การลงทุนในสินทรัพย์ดิจิทัลอาจมีความเสี่ยง โปรดประเมินความเสี่ยงของผลิตภัณฑ์และความเสี่ยงที่คุณยอมรับได้อย่างรอบคอบตามสถานการณ์ทางการเงินของคุณเอง โปรดดูข้อมูลเพิ่มเติมได้ที่ข้อกำหนดการใช้งานและเอกสารเปิดเผยข้อมูลความเสี่ยงของเรา