{"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\/nl\/2024\/07\/salesforce-challenges-trends-in-ai-with-the-tiny-yet-mighty-xlam-1b-model\/","title":{"rendered":"Salesforce daagt trends in AI uit met de kleine maar machtige xLAM-1B en 7B modellen"},"content":{"rendered":"

Salesforce, een bedrijf voor bedrijfssoftware, heeft twee compacte AI-modellen onthuld die het \"groter is beter\"-paradigma in AI uitdagen.\u00a0<\/strong><\/p>\n

Ondanks hun compacte formaat presteren de xLAM-modellen met 1 en 7 miljard parameters beter dan veel grotere modellen in functie-oproeptaken.<\/p>\n

Deze taken houden in dat een AI-systeem een verzoek in natuurlijke taal interpreteert en vertaalt in specifieke functieaanroepen of API-verzoeken.\u00a0<\/span><\/p>\n

Als je een AI-systeem bijvoorbeeld vraagt om \"vluchten naar New York te vinden voor volgend weekend onder $500\", dan moet het model dit verzoek begrijpen, de relevante functies identificeren (bijv. zoeken_vluchten, filteren_op_prijs) en ze uitvoeren met de juiste parameters.<\/span><\/p>\n

\"We tonen aan dat modellen die zijn getraind met onze gecureerde datasets, zelfs met slechts 7B parameters, state-of-the-art prestaties kunnen behalen op de Berkeley Function-Calling Benchmark, waarbij ze meerdere GPT-4 modellen overtreffen,\" schrijven de onderzoekers in hun paper.\u00a0<\/span><\/p>\n

\"Bovendien levert ons 1B-model uitzonderlijke prestaties en overtreft het GPT-3.5-Turbo en Claude-3 Haiku.\"<\/span><\/p>\n

De <\/span>Berkeley functie-aanroep benchmark<\/span><\/a>waarnaar in het onderzoek wordt verwezen, is een evaluatieraamwerk dat is ontworpen om de functie-oproepcapaciteiten van AI-modellen te beoordelen.\u00a0<\/span><\/p>\n

Belangrijkste statistieken van de studie omvatten<\/a>:<\/span><\/p>\n

    \n
  1. Het xLAM-7B model (7 miljard parameters) staat op de 6e plaats van de Berkeley Function-Calling Leaderboard en presteert beter dan GPT-4 en Gemini-1.5-Pro.<\/span><\/li>\n
  2. Het kleinere xLAM-1B model presteerde beter dan grotere modellen zoals Claude-3 Haiku en GPT-3.5-Turbo en toonde een uitzonderlijke effici\u00ebntie.<\/span><\/li>\n<\/ol>\n

    Wat deze prestatie bijzonder indrukwekkend maakt, is de grootte van het model in vergelijking met zijn concurrenten:<\/span><\/p>\n

      \n
    • xLAM-1B<\/b>: 1 miljard parameters<\/span><\/li>\n
    • xLAM-7B<\/b>7 miljard parameters<\/span><\/li>\n
    • GPT-3<\/strong>: 175 miljard parameters<\/span><\/li>\n
    • GPT-4<\/b>: Geschatte 1,7 biljoen parameters<\/span><\/li>\n
    • Claude-3 Opus<\/b>: Niet bekend, maar waarschijnlijk honderden miljarden<\/span><\/li>\n
    • Gemini Ultra<\/b>: Onbekend, geschat vergelijkbaar met GPT-4<\/span><\/li>\n<\/ul>\n

      Dit toont aan dat een effici\u00ebnt ontwerp en hoogwaardige trainingsgegevens belangrijker kunnen zijn dan alleen de grootte.\u00a0<\/span><\/p>\n

      \n

      Maak kennis met Salesforce Einstein \"Tiny Giant. Ons 1B-parametermodel xLAM-1B is nu het beste micromodel voor het aanroepen van functies en presteert beter dan modellen die 7x zo groot zijn, waaronder GPT-3.5 & Claude<\/span><\/span><\/span><\/span><\/span>. On-device agentic AI is hier. Gefeliciteerd 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