top of page
Generatif (Beta) |. Memberikan berita dan tren terkini dalam AI generatif
logo.png

HPC-AI Tech meluncurkan LLM yang hemat biaya

​

​

Colossal-AI dari Teknologi HPC-AI telah mengembangkan model bahasa skala besar (LLM) khusus domain yang dapat diterapkan ke berbagai domain, sehingga pembuatan model AI skala besar menjadi lebih ekonomis. Model ini dapat dibuat hanya dengan biaya pelatihan beberapa ratus dolar, dapat diakses tanpa batasan komersial, dan memberikan transparansi penuh dalam proses pelatihan, kode, dan bobot model.

Model ini tidak hanya meningkatkan kemahiran bahasa Mandarin, namun juga meningkatkan kemahiran bahasa Inggris. Menunjukkan tingkat kinerja yang sebanding dengan model skala serupa dalam komunitas sumber terbuka. Selain itu, Colossal-AI menawarkan ColossalEval, kerangka evaluasi komprehensif yang memfasilitasi reproduktifitas hemat biaya.



Namun, metode penyesuaian seperti SFT dan LoRA memiliki keterbatasan dalam memasukkan pengetahuan dan fungsi dari model dasar secara efektif. Metode-metode ini tidak cukup memenuhi persyaratan untuk membangun pengetahuan khusus domain berkualitas tinggi atau aplikasi model khusus. Membuat model versi Tiongkok tidak hanya memberikan kegunaan kembali tetapi juga sangat penting dalam skenario implementasi dunia nyata.

Biaya pra-pelatihan model AI besar dari awal sering kali mahal, sehingga bidang ini hanya dapat diakses oleh mereka yang memiliki sumber daya memadai. Banyak raksasa teknologi dan startup AI ingin berinvestasi besar-besaran dalam membangun model tujuan umum dalam skala besar. Namun, model-model ini sering kali kurang memiliki pengetahuan spesifik pada domain tertentu, sehingga penerapannya dalam praktik menjadi sangat bermasalah. Kemampuan untuk dengan cepat dan hemat biaya membangun model besar yang spesifik untuk domain yang kemudian dapat disesuaikan dengan kebutuhan bisnis spesifik tidak diragukan lagi akan mempercepat adopsi aplikasi dan memberikan keunggulan kompetitif.

Kinerja superior dan keunggulan biaya Colossal-AI dibangun di atas dasar sistem pengembangan model AI besar yang berbiaya rendah. Sistem ini memanfaatkan teknik yang efisien untuk mengurangi biaya pelatihan, penyesuaian, dan menyimpulkan model AI skala besar. Ini telah berkolaborasi dengan banyak perusahaan Fortune 500 dan perusahaan terkenal lainnya. Untuk lebih meningkatkan efisiensi pengembangan dan penerapan model skala besar, Colossal-AI telah ditingkatkan ke platform cloud Colossal-AI, yang saat ini masih dalam versi beta publik.

Bagikan artikel ini:

Tin tức mới nhất
OpenAIが技能開発支援

OpenAIが技能開発支援

22/9/26, 07.00

OpenAI(米国カリフォルニア州)は、東南アジアの配車・配達大手Grabと提携し、AIスキルの育成プログラム『GO Forward with AI』を開始すると発表した。

OpenAIがプロンプト基盤改善

OpenAIがプロンプト基盤改善

22/9/26, 07.00

OpenAI(サンフランシスコ)は、GPT-6モデル群に向けたプロンプトキャッシュシステムの改良と運用ツールの拡充を発表した。

NVIDIAがDLSS5を発表

NVIDIAがDLSS5を発表

22/9/26, 07.00

NVIDIA(米国カリフォルニア州)は、グラフィックス技術の最新版「DLSS 5」を発表した。

OpenAIが外部評価指針発表

OpenAIが外部評価指針発表

21/9/26, 07.00

OpenAI(米国カリフォルニア州)は、最先端AIモデルの安全性向上に向けた第三者評価機関による検証の優先領域と基本原則を発表した。

Copyright © 2024 Generatived - All right Reserved.

Bagikan artikel ini:

Bagikan artikel ini:

Generatived

Hãy theo dõi chúng tôi

  • Facebook
  • X

Bahasa

Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.

Generatived AI Logo

Generatived adalah layanan yang memberikan informasi dan tren khusus dalam AI Generatif. Kami akan melakukan yang terbaik untuk menyampaikan informasi tentang dunia yang berubah dengan cepat.

  • Facebook
  • X

Ikuti kami

Bahasa

Berita terkini
OpenAIが技能開発支援

OpenAIが技能開発支援

22/9/26, 07.00

OpenAI(米国カリフォルニア州)は、東南アジアの配車・配達大手Grabと提携し、AIスキルの育成プログラム『GO Forward with AI』を開始すると発表した。

OpenAIがプロンプト基盤改善

OpenAIがプロンプト基盤改善

22/9/26, 07.00

OpenAI(サンフランシスコ)は、GPT-6モデル群に向けたプロンプトキャッシュシステムの改良と運用ツールの拡充を発表した。

NVIDIAがDLSS5を発表

NVIDIAがDLSS5を発表

22/9/26, 07.00

NVIDIA(米国カリフォルニア州)は、グラフィックス技術の最新版「DLSS 5」を発表した。

OpenAIが外部評価指針発表

OpenAIが外部評価指針発表

21/9/26, 07.00

OpenAI(米国カリフォルニア州)は、最先端AIモデルの安全性向上に向けた第三者評価機関による検証の優先領域と基本原則を発表した。

bottom of page