Are LLM Performance Benchmarks Reliable? — Ashok Chandrasekar & Jason Kramberger, Google
Två Google-ingenjörer kunde inte återskapa andra forskares prestandatester för AI-modeller och upptäckte varför: benchmark-verktygen mäter ofta fel.
Ett verktyg kan säga att det skickade 200 förfrågningar per sekund när det bara skickade 38. Pythons sätt att köra kod gör det svårt att köra flera tester samtidigt. Ibland mäter själva testverktyget så långsamt att det ser ut som om servern är långsam, fast den är fin. Google byggde då Inference Perf, ett nytt testverktyg som kan köra riktiga arbetsbelastningar på ett korrekt sätt och hålla reda på vad som faktiskt hände jämfört med vad som var planerat.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
What Runs Where? Local AI in Production — Ahmad Osman, Osmantic
AI Engineer 21 nov.
Experts say AI has made planning cyberattacks on industrial equipment faster by helping attackers read manuals and research past accidents more quickly
Techmeme för 2 tim sedan
Current and former officials from the US and other countries describe the Chinese spy agency MSS' campaign to help Chinese companies acquire advanced AI chips
Techmeme för 6 tim sedan
Tesla rolls out FSD v15, featuring a photorealistic rendering of car surroundings; Elon Musk says it is real-time AI video generation without using game engines
Techmeme för 7 tim sedan
