Sakhanda Wire
NVDA $152.58 -2.28% MSFT $506.11 -2.29% GOOGL $279.81 -1.38% META $619.07 -1.17% AMZN $256.55 -0.47%
← До новин

ШІ-моделі відбирають експерименти до витратного навчання

Дослідники Meta FAIR, Оксфордського університету та University College London представили AI Research Preference Models (RPMs), які визначають, які експерименти з машинного навчання має виконати дослідницький ШІ-агент. Система ранжує ще не запущені варіанти, а не прогнозує їхні підсумкові оцінки: за висновком команди, мовні моделі ненадійно передбачають метрики та результати виконання.

RPM створює 15 кандидатів у процесі пошуку AIRA-dojo і порівнює їх у турнірі на вибування, після чого запускається лише переможець. Варіант inference-only оцінює плани, код та історію пошуку. Агентний варіант може проводити короткі пілотні експерименти в ізольованому середовищі з одним H200. Обидва використовують заморожені попередньо навчені мовні моделі без донавчання, а Qwen3.6-27B є основою для операторів пошуку та селектора.

На 20 текстових і табличних завданнях AIRS-Bench середній нормалізований результат зріс із 0.684 за випадкового вибору до 0.711 для inference-only RPM і 0.729 для агентної версії. Обидві системи досягли результату базового методу за 24 години приблизно за 15 годин; заявлене прискорення становило 1.5–1.6 раза. Команда також повідомила про 94.1% на WinoGrande та 95.7% на SVAMP.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини