ستانفورد NLP: لا تزال معظم بيانات تدريب الوكيل الذكي المفتوحة تركز على مرحلة ما بعد التدريب

robot
إنشاء الملخص قيد التقدم
AIMPACT رسالة، 15 مايو (UTC+8)، أشار فريق NLP في ستانفورد على تويتر إلى أن معظم بيانات التدريب للكيانات الذكية (agentic) المنشورة لا تزال تركز بشكل رئيسي على مرحلة ما بعد التدريب (post-training)، خاصة تلك المستخدمة لنماذج مثل Qwen (والتي قد تكون قد تم تدريبها على كميات هائلة من بيانات الكيانات الذكية). يعتقد الفريق أنه لإنشاء نماذج مفتوحة المصدر جيدة من الصفر، فإن كمية بيانات الكيانات الذكية المطلوبة تتجاوز بكثير تلك اللازمة فقط لإعادة التدريب من الأوزان المفتوحة، مما يبرز نقص بيانات تدريب الكيانات الذكية في مرحلة ما قبل التدريب حاليًا. (المصدر: InFoQ)
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
  • أعجبني
  • 5
  • 8
  • مشاركة
تعليق
إضافة تعليق
إضافة تعليق
NeonMeltsIceCream
· منذ 3 س
النماذج المفتوحة المصدر تريد اللحاق، تكلفة بيانات الوكيل في مرحلة التدريب المسبق مرتفعة جدًا، والفريق الصغير لا يستطيع تحملها.
شاهد النسخة الأصليةرد0
VineGeometry
· منذ 3 س
يبدو أن الجميع الآن يركز على التدريب بعد النمو، والحواجز في بيانات التدريب المسبق هي الحصن الحقيقي.
شاهد النسخة الأصليةرد0
DexterRamen
· منذ 3 س
تم استدعاء Qwen ههه، لكنه بالفعل من بين الوكلاء الأكثر تميزًا في المصدر المفتوح.
شاهد النسخة الأصليةرد0
GateUser-9568ced5
· منذ 3 س
فجوة البيانات قبل التدريب مهمة جدًا، فحتى بعد التدريب المتقدم لا يمكن تعويض الأساس.
شاهد النسخة الأصليةرد0
Can'tSleepWithoutSigningThe
· منذ 3 س
هذه الرؤية من ستانفورد مثيرة للاهتمام، والفارق في حجم بيانات الوكيل الذكي أكبر مما كان يُتصور.
شاهد النسخة الأصليةرد0
  • مُثبت