The Base Model Is Dead — Varun Singh, Arcee AI
Varun Singh från Arcee AI argumenterar att den gamla uppfattningen om basmodeller — att de är speglar av internet som andra tekniker bygger på — inte längre stämmer.
Moderna modeller blandar in instruktionsdata och syntetisk träningsdata mycket tidigare i processen, och en egen mellanstagium har dykt upp. Raw webtext tar en backseat samtidigt som reinforcement learning (ett sätt att träna AI att resonera bättre) har blivit så viktigt att det ändrar vad basmodellen behöver göra från början. Singh går igenom praktiska problem hans team stötte på när de tränade Trinity-serien, som att få rätt balans i olika datakällor och få modellen stabil tidigt så den är förberedd för vad som kommer senare. Poängen är att basmodellens roll ständigt omdefinieras när kapaciteten ökar.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
AI Engineer 23 okt.
Real AI Agent Attacks and What Would Have Stopped Them — Andrey Rybka, Bloomberg
AI Engineer 23 okt.
Outside of tech there has been no financial payoff to US companies for using AI, now viewed as a margin-hurting cost center, as VC-backed firms burn more tokens
Techmeme för 3 tim sedan
Source: Replit recently moved most AI spend from Anthropic to OpenAI, which gave 30%+ off in a deal worth $100M+/year, after Anthropic discontinued its discount
Techmeme för 5 tim sedan