{"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\/it\/2024\/07\/salesforce-challenges-trends-in-ai-with-the-tiny-yet-mighty-xlam-1b-model\/","title":{"rendered":"Salesforce sfida le tendenze dell'intelligenza artificiale con i piccoli ma potenti modelli xLAM-1B e 7B"},"content":{"rendered":"

Salesforce, un'azienda di software aziendale, ha presentato due modelli compatti di intelligenza artificiale che sfidano il paradigma \"pi\u00f9 grande \u00e8 meglio\" nell'IA.\u00a0<\/strong><\/p>\n

Nonostante le dimensioni compatte, i modelli xLAM a 1 e 7 miliardi di parametri hanno prestazioni superiori a molti modelli pi\u00f9 grandi in compiti di chiamata di funzioni.<\/p>\n

Questi compiti prevedono che un sistema di intelligenza artificiale interpreti e traduca una richiesta in linguaggio naturale in specifiche chiamate di funzione o richieste API.\u00a0<\/span><\/p>\n

Ad esempio, se si chiede a un sistema di intelligenza artificiale di \"trovare voli per New York per il prossimo fine settimana al di sotto di $500\", il modello deve comprendere questa richiesta, identificare le funzioni pertinenti (ad esempio, search_flights, filter_by_price) ed eseguirle con i parametri corretti.<\/span><\/p>\n

\"Dimostriamo che i modelli addestrati con i nostri set di dati curati, anche con soli 7B parametri, possono raggiungere prestazioni all'avanguardia nel Berkeley Function-Calling Benchmark, superando pi\u00f9 modelli GPT-4\", scrivono i ricercatori nel loro articolo.\u00a0<\/span><\/p>\n

\"Inoltre, il nostro modello 1B raggiunge prestazioni eccezionali, superando GPT-3.5-Turbo e Claude-3 Haiku\".<\/span><\/p>\n

Il <\/span>Benchmark per la chiamata di funzioni di Berkeley<\/span><\/a>, a cui si fa riferimento nello studio, \u00e8 un framework di valutazione progettato per valutare le capacit\u00e0 di chiamata di funzione dei modelli di IA.\u00a0<\/span><\/p>\n

Statistiche chiave del studio includono<\/a>:<\/span><\/p>\n

    \n
  1. Il modello xLAM-7B (7 miliardi di parametri) si \u00e8 classificato al sesto posto nella classifica delle funzioni di Berkeley, superando GPT-4 e Gemini-1.5-Pro.<\/span><\/li>\n
  2. Il modello pi\u00f9 piccolo xLAM-1B ha superato modelli pi\u00f9 grandi come Claude-3 Haiku e GPT-3.5-Turbo, dimostrando un'efficienza eccezionale.<\/span><\/li>\n<\/ol>\n

    A rendere particolarmente impressionante questo risultato sono le dimensioni del modello rispetto alla concorrenza:<\/span><\/p>\n

      \n
    • xLAM-1B<\/b>: 1 miliardo di parametri<\/span><\/li>\n
    • xLAM-7B<\/b>: 7 miliardi di parametri<\/span><\/li>\n
    • GPT-3<\/strong>: 175 miliardi di parametri<\/span><\/li>\n
    • GPT-4<\/b>: Stima di 1,7 trilioni di parametri<\/span><\/li>\n
    • Claude-3 Opus<\/b>: Non \u00e8 stato rivelato, ma probabilmente si tratta di centinaia di miliardi.<\/span><\/li>\n
    • Gemelli Ultra<\/b>: Non rivelato, stimato simile al GPT-4<\/span><\/li>\n<\/ul>\n

      Questo dimostra che una progettazione efficiente e dati di addestramento di alta qualit\u00e0 possono essere pi\u00f9 importanti delle dimensioni.\u00a0<\/span><\/p>\n

      \n

      Ecco a voi il \"Piccolo Gigante\" di Salesforce Einstein. Il nostro modello a 1B parametri xLAM-1B \u00e8 ora il miglior micro-modello per le chiamate di funzione, superando modelli di dimensioni 7 volte superiori, tra cui GPT-3.5 & Claude<\/span><\/span><\/span><\/span><\/span>. L'IA agenziale su dispositivo \u00e8 arrivata. Congratulazioni a Salesforce Research!<\/p>\n

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

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