{"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\/pt\/2024\/07\/salesforce-challenges-trends-in-ai-with-the-tiny-yet-mighty-xlam-1b-model\/","title":{"rendered":"A Salesforce desafia as tend\u00eancias da IA com os pequenos mas poderosos modelos xLAM-1B e 7B"},"content":{"rendered":"

A Salesforce, uma empresa de software empresarial, revelou dois modelos compactos de IA que desafiam o paradigma \"maior \u00e9 melhor\" na IA.\u00a0<\/strong><\/p>\n

Apesar do seu tamanho compacto, os modelos xLAM de 1 e 7 bili\u00f5es de par\u00e2metros t\u00eam um desempenho superior ao de muitos modelos maiores em tarefas de chamada de fun\u00e7\u00f5es.<\/p>\n

Estas tarefas envolvem um sistema de IA que interpreta e traduz um pedido em linguagem natural em chamadas de fun\u00e7\u00e3o espec\u00edficas ou pedidos de API.\u00a0<\/span><\/p>\n

Por exemplo, se pedir a um sistema de IA para \"encontrar voos para Nova Iorque para o pr\u00f3ximo fim de semana abaixo de $500\", o modelo tem de compreender este pedido, identificar as fun\u00e7\u00f5es relevantes (por exemplo, search_flights, filter_by_price) e execut\u00e1-las com os par\u00e2metros correctos.<\/span><\/p>\n

\"Demonstramos que os modelos treinados com os nossos conjuntos de dados seleccionados, mesmo com apenas 7B par\u00e2metros, podem atingir o desempenho mais avan\u00e7ado no Berkeley Function-Calling Benchmark, superando v\u00e1rios modelos GPT-4\", escrevem os investigadores no seu artigo.\u00a0<\/span><\/p>\n

\"Al\u00e9m disso, o nosso modelo 1B atinge um desempenho excecional, ultrapassando o GPT-3.5-Turbo e o Claude-3 Haiku.\"<\/span><\/p>\n

O <\/span>Refer\u00eancia de chamada de fun\u00e7\u00e3o de Berkeley<\/span><\/a>, referido no estudo, \u00e9 um quadro de avalia\u00e7\u00e3o concebido para avaliar as capacidades de chamada de fun\u00e7\u00f5es dos modelos de IA.\u00a0<\/span><\/p>\n

Principais estat\u00edsticas da estudo incluem<\/a>:<\/span><\/p>\n

    \n
  1. O modelo xLAM-7B (7 mil milh\u00f5es de par\u00e2metros) ficou em 6\u00ba lugar na tabela de classifica\u00e7\u00e3o de chamadas de fun\u00e7\u00e3o de Berkeley, superando o GPT-4 e o Gemini-1.5-Pro.<\/span><\/li>\n
  2. O modelo xLAM-1B mais pequeno superou os modelos maiores, como o Claude-3 Haiku e o GPT-3.5-Turbo, demonstrando uma efici\u00eancia excecional.<\/span><\/li>\n<\/ol>\n

    O que torna este feito particularmente impressionante \u00e9 o tamanho do modelo em compara\u00e7\u00e3o com os seus concorrentes:<\/span><\/p>\n

      \n
    • xLAM-1B<\/b>: 1 bili\u00e3o de par\u00e2metros<\/span><\/li>\n
    • xLAM-7B<\/b>: 7 mil milh\u00f5es de par\u00e2metros<\/span><\/li>\n
    • GPT-3<\/strong>: 175 mil milh\u00f5es de par\u00e2metros<\/span><\/li>\n
    • GPT-4<\/b>: Estimativa de 1,7 trili\u00f5es de par\u00e2metros<\/span><\/li>\n
    • Claude-3 Opus<\/b>: N\u00e3o revelado, mas provavelmente centenas de milhares de milh\u00f5es<\/span><\/li>\n
    • Gemini Ultra<\/b>: N\u00e3o revelado, estimado como semelhante ao GPT-4<\/span><\/li>\n<\/ul>\n

      Isto mostra que uma conce\u00e7\u00e3o eficiente e dados de forma\u00e7\u00e3o de elevada qualidade podem ser mais importantes do que a sua dimens\u00e3o.\u00a0<\/span><\/p>\n

      \n

      Conhe\u00e7a o Salesforce Einstein \"Tiny Giant\". Nosso modelo de par\u00e2metro 1B xLAM-1B \u00e9 agora o melhor micromodelo para chamada de fun\u00e7\u00e3o, superando modelos 7x seu tamanho, incluindo GPT-3.5 & Claude<\/span><\/span><\/span><\/span><\/span>. A IA ag\u00eantica no dispositivo est\u00e1 aqui. Parab\u00e9ns \u00e0 Salesforce Research!<\/p>\n

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

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