#performance

کارایی

معیارهای کارایی، سرعت و مصرف منابع برای سیستم‌های هوش مصنوعی مالی

2 پستمشاهده تمام برچسب‌ها بازگشت به تمام پست‌ها

JSONSchemaBench: پیچیدگی شمای دنیای واقعی، تضمین‌های خروجی ساختاریافته LLM را می‌شکند

JSONSchemaBench می‌یابد پوشش از ۸۶٪ در طرح‌واره‌های ساده به ۳٪ در پیچیده سقوط می‌کند؛ پس خروجی ساخت‌یافته LLM می‌تواند بی‌صدا JSON ناسازگار بدهد.

Mike Thrift

llmaimachine-learning

۱۰ خرداد ۱۴۰۵زمان مطالعه 6 دقیقه

تک‌عاملی: در توکن‌های برابر، عملکرد برابر با MAS در استدلال چندمرحله‌ای دارد

در بودجه‌های برابر توکن تفکر، مدل‌های زبانی تک‌عاملی در استدلال چندمرحله‌ای با سیستم‌های چندعاملی برابری یا برتری دارند—طراحی‌های ساده‌تر عامل مالی را ترجیح دهید.

Mike Thrift

aillmmachine-learning

رایگان شروع کن→مستندات