/
信用授予有方：深入解析 Experian 改變金融服務可及性的 AI 框架
Experian信用局采用了一種審慎的AI應用方法，開發(fā)了內部流程、框架和治理模型，幫助其測試和大規(guī)模部署生成式AI。這種方法融合了先進的機器學習、代理式AI架構和基層創(chuàng)新，改善了業(yè)務運營，并為約2600萬美國人擴大了金融服務的可及性。Experian的AI之旅展示了傳統數據公司如何轉型為AI驅動的平臺企業(yè)，為負責任的AI治理提供了藍圖。
新技術幫助大語言模型控制思維鏈長度，在不增加計算成本的情況下優(yōu)化推理能力
研究人員提出了一種名為長度控制策略優(yōu)化(LCPO)的訓練技術，可以讓開發(fā)者更好地控制大語言模型的思維鏈長度。這種方法通過在訓練過程中引入長度約束，使模型能夠在保持準確性的同時生成更簡潔的推理過程。實驗表明，采用LCPO訓練的模型在準確性和成本之間提供了平滑的權衡，并且在相同推理長度下可以超越更大的模型。這項技術有望大幅降低企業(yè)應用中推理的成本。
簡潔致勝：Chain of Draft 技術有望在提升性能的同時將 AI 成本削減 90%
Zoom Communications的研究團隊開發(fā)了一種突破性技術，能夠顯著降低人工智能系統在處理復雜推理問題時所需的成本和計算資源，可能會改變企業(yè)大規(guī)模部署AI的方式。該方法稱為草稿鏈（Chain of Draft，CoD），使大型語言模型能夠用最少的文字解決問題——所需文本僅為當前方法的7.6%，同時保持或甚至提高準確性。研究結果上周在arXiv研究庫中發(fā)表。
研究發(fā)現：訓練大語言模型進行推理任務并不需要海量數據
{一項來自上海交通大學的研究表明，大型語言模型（LLMs）可以在不依賴大數據集的情況下學習復雜的推理任務。研究結果顯示，僅需少量精心挑選的示例，就能訓練LLM完成原本認為需要數萬個訓練實例的任務。這種高效性源于現代LLM在預訓練階段獲得的內在知識。隨著新的訓練方法變得更加數據和計算高效，企業(yè)可能能夠在不需要大型AI實驗室資源的情況下創(chuàng)建定制模型。}
為什么在推理型大語言模型中使用思維鏈提示可能會適得其反
本文探討了鏈式思維提示技術在生成式AI和大語言模型中的應用。作者指出,新一代AI模型已內置鏈式思維功能,無需額外要求。但顯式使用該技術可能導致重復、延遲或錯誤。文章就如何正確使用鏈式思維提示給出了建議,以充分發(fā)揮AI的推理能力。
AI 如何助力營銷人員提升工作效率
AI 正在徹底改變營銷領域，幫助企業(yè)更高效地分析數據、與客戶互動、創(chuàng)作內容和優(yōu)化活動。從個性化營銷到預測分析，AI 使營銷人員能夠實現前所未有的效率和效果，重新定義了營銷策略，推動了全面的業(yè)務成果。
京公網安備 11010802021500號
