{"id":13305,"date":"2024-07-07T11:42:34","date_gmt":"2024-07-07T11:42:34","guid":{"rendered":"https:\/\/dailyai.com\/?p=13305"},"modified":"2024-07-10T16:47:36","modified_gmt":"2024-07-10T16:47:36","slug":"salesforce-challenges-trends-in-ai-with-the-tiny-yet-mighty-xlam-1b-model","status":"publish","type":"post","link":"https:\/\/dailyai.com\/de\/2024\/07\/salesforce-challenges-trends-in-ai-with-the-tiny-yet-mighty-xlam-1b-model\/","title":{"rendered":"Salesforce fordert mit den winzigen, aber m\u00e4chtigen Modellen xLAM-1B und 7B Trends in der KI heraus"},"content":{"rendered":"

Salesforce, ein Unternehmenssoftware-Unternehmen, hat zwei kompakte KI-Modelle vorgestellt, die das Paradigma \"gr\u00f6\u00dfer ist besser\" in der KI herausfordern.\u00a0<\/strong><\/p>\n

Trotz ihrer kompakten Gr\u00f6\u00dfe \u00fcbertreffen die xLAM-Modelle mit 1 und 7 Milliarden Parametern viele gr\u00f6\u00dfere Modelle bei Funktionsaufrufen.<\/p>\n

Bei diesen Aufgaben interpretiert und \u00fcbersetzt ein KI-System eine nat\u00fcrlichsprachliche Anfrage in spezifische Funktionsaufrufe oder API-Anfragen.\u00a0<\/span><\/p>\n

Wenn Sie zum Beispiel ein KI-System bitten, \"Fl\u00fcge nach New York f\u00fcr das n\u00e4chste Wochenende unter $500 zu finden\", muss das Modell diese Anfrage verstehen, die relevanten Funktionen (z. B. search_flights, filter_by_price) identifizieren und sie mit den richtigen Parametern ausf\u00fchren.<\/span><\/p>\n

\"Wir zeigen, dass Modelle, die mit unseren kuratierten Datens\u00e4tzen trainiert wurden, selbst mit nur 7B Parametern eine Spitzenleistung im Berkeley Function-Calling Benchmark erreichen und mehrere GPT-4-Modelle \u00fcbertreffen k\u00f6nnen\", schreiben die Forscher in ihrem Papier.\u00a0<\/span><\/p>\n

\"Au\u00dferdem erreicht unser 1B-Modell eine au\u00dfergew\u00f6hnliche Leistung und \u00fcbertrifft GPT-3.5-Turbo und Claude-3 Haiku.\"<\/span><\/p>\n

Die <\/span>Berkeley-Benchmark f\u00fcr Funktionsaufrufe<\/span><\/a>ist ein Bewertungsrahmen, der zur Beurteilung der Funktionsaufrufe von KI-Modellen entwickelt wurde.\u00a0<\/span><\/p>\n

Die wichtigsten Statistiken der Studie umfasst<\/a>:<\/span><\/p>\n

    \n
  1. Das Modell xLAM-7B (7 Milliarden Parameter) belegte im Berkeley Function-Calling Leaderboard Platz 6 und \u00fcbertraf damit GPT-4 und Gemini-1.5-Pro.<\/span><\/li>\n
  2. Das kleinere Modell xLAM-1B \u00fcbertraf die gr\u00f6\u00dferen Modelle wie Claude-3 Haiku und GPT-3.5-Turbo und bewies damit eine au\u00dfergew\u00f6hnliche Effizienz.<\/span><\/li>\n<\/ol>\n

    Was diese Leistung besonders beeindruckend macht, ist die Gr\u00f6\u00dfe des Modells im Vergleich zu seinen Konkurrenten:<\/span><\/p>\n

      \n
    • xLAM-1B<\/b>: 1 Milliarde Parameter<\/span><\/li>\n
    • xLAM-7B<\/b>: 7 Milliarden Parameter<\/span><\/li>\n
    • GPT-3<\/strong>: 175 Milliarden Parameter<\/span><\/li>\n
    • GPT-4<\/b>: Gesch\u00e4tzte 1,7 Billionen Parameter<\/span><\/li>\n
    • Claude-3 Opus<\/b>: Unbekannt, aber wahrscheinlich Hunderte von Milliarden<\/span><\/li>\n
    • Zwillinge Ultra<\/b>: Nicht bekannt gegeben, gesch\u00e4tzt \u00e4hnlich wie GPT-4<\/span><\/li>\n<\/ul>\n

      Dies zeigt, dass ein effizientes Design und qualitativ hochwertige Trainingsdaten wichtiger sein k\u00f6nnen als die schiere Gr\u00f6\u00dfe.\u00a0<\/span><\/p>\n

      \n

      Darf ich vorstellen: Salesforce Einstein \"Tiny Giant\". Unser 1B-Parameter-Modell xLAM-1B ist jetzt das beste Mikromodell f\u00fcr Funktionsaufrufe und \u00fcbertrifft Modelle, die 7x so gro\u00df sind, einschlie\u00dflich GPT-3.5 & Claude<\/span><\/span><\/span><\/span><\/span>. Agentenbasierte KI auf dem Ger\u00e4t ist da. Gratulation an Salesforce Research!<\/p>\n

      Papier: https:\/\/t.co\/SrntYvgxR5<\/a>... pic.twitter.com\/pPgIzk82xT<\/a><\/p>\n

      - Marc Benioff (@Benioff) 3. Juli 2024<\/a><\/p><\/blockquote>\n