{"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\/nb\/2024\/07\/salesforce-challenges-trends-in-ai-with-the-tiny-yet-mighty-xlam-1b-model\/","title":{"rendered":"Salesforce utfordrer trender innen AI med de sm\u00e5, men mektige xLAM-1B- og 7B-modellene"},"content":{"rendered":"

Salesforce, et programvareselskap for bedrifter, har avduket to kompakte AI-modeller som utfordrer \"st\u00f8rre er bedre\"-paradigmet innen AI.\u00a0<\/strong><\/p>\n

Til tross for sin kompakte st\u00f8rrelse utkonkurrerer xLAM-modellene med 1 og 7 milliarder parametere mange st\u00f8rre modeller n\u00e5r det gjelder funksjonsoppringing.<\/p>\n

Disse oppgavene inneb\u00e6rer at et AI-system tolker og oversetter en foresp\u00f8rsel p\u00e5 naturlig spr\u00e5k til spesifikke funksjonskall eller API-foresp\u00f8rsler.\u00a0<\/span><\/p>\n

Hvis du for eksempel ber et AI-system om \u00e5 \"finne flyreiser til New York neste helg under $500\", m\u00e5 modellen forst\u00e5 denne foresp\u00f8rselen, identifisere de relevante funksjonene (f.eks. search_flights, filter_by_price) og utf\u00f8re dem med de riktige parameterne.<\/span><\/p>\n

\"Vi viser at modeller som er trent med v\u00e5re kuraterte datasett, selv med bare 7B parametere, kan oppn\u00e5 topp ytelse p\u00e5 Berkeley Function-Calling Benchmark, og utkonkurrere flere GPT-4-modeller\", skriver forskerne i artikkelen.\u00a0<\/span><\/p>\n

\"1B-modellen v\u00e5r oppn\u00e5r dessuten eksepsjonell ytelse, og overg\u00e5r GPT-3.5-Turbo og Claude-3 Haiku.\"<\/span><\/p>\n

Den <\/span>Berkeley Benchmark for funksjonsoppkalling<\/span><\/a>er et evalueringsrammeverk som er utviklet for \u00e5 vurdere AI-modellenes evne til \u00e5 kalle opp funksjoner.\u00a0<\/span><\/p>\n

N\u00f8kkelstatistikk fra studien inkluderer<\/a>:<\/span><\/p>\n

    \n
  1. xLAM-7B-modellen (7 milliarder parametere) ble rangert som nummer 6 p\u00e5 Berkeley Function-Calling Leaderboard, og utkonkurrerte GPT-4 og Gemini-1.5-Pro.<\/span><\/li>\n
  2. Den mindre xLAM-1B-modellen utkonkurrerte st\u00f8rre modeller som Claude-3 Haiku og GPT-3.5-Turbo, og demonstrerte eksepsjonell effektivitet.<\/span><\/li>\n<\/ol>\n

    Det som gj\u00f8r denne prestasjonen spesielt imponerende, er modellens st\u00f8rrelse sammenlignet med konkurrentene:<\/span><\/p>\n

      \n
    • xLAM-1B<\/b>: 1 milliard parametere<\/span><\/li>\n
    • xLAM-7B<\/b>: 7 milliarder parametere<\/span><\/li>\n
    • GPT-3<\/strong>: 175 milliarder parametere<\/span><\/li>\n
    • GPT-4<\/b>: Ansl\u00e5tt 1,7 billioner parametere<\/span><\/li>\n
    • Claude-3 Opus<\/b>: Ikke oppgitt, men sannsynligvis hundrevis av milliarder<\/span><\/li>\n
    • Gemini Ultra<\/b>: Ikke oppgitt, antatt lik GPT-4<\/span><\/li>\n<\/ul>\n

      Dette viser at effektiv design og treningsdata av h\u00f8y kvalitet kan v\u00e6re viktigere enn ren st\u00f8rrelse.\u00a0<\/span><\/p>\n

      \n

      M\u00f8t Salesforce Einstein \"Tiny Giant\". V\u00e5r 1B-parametermodell xLAM-1B er n\u00e5 den beste mikromodellen for funksjonsanrop, og utkonkurrerer modeller som er 7 ganger st\u00f8rre enn den, inkludert GPT-3.5 & Claude<\/span><\/span><\/span><\/span><\/span>. Agentisk AI p\u00e5 enheten er her. Gratulerer Salesforce Research!<\/p>\n

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

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