حقق الباحثون في جامعة ستانفورد إنجازاً مثيراً للإعجاب! لقد استخدموا بيانات ويكيبيديا لتدريب نموذج لغوي واسع النطاق يسمى WikiChat، ونجحوا في حل مشكلة "الوهم" التي ابتليت بها العديد من النماذج الكبيرة. يقدم WikiChat أداءً جيدًا من حيث الدقة الواقعية والمقاييس الرئيسية الأخرى، حتى أنه يتفوق على GPT-4 ويقود نماذج أخرى مماثلة في العديد من الجوانب. يضع هذا البحث معيارًا جديدًا لموثوقية النماذج اللغوية الكبيرة وعمليتها، ويبشر باتجاه جديد للتطور المستقبلي للذكاء الاصطناعي.
استخدم الباحثون في جامعة ستانفورد بيانات ويكيبيديا لتدريب نموذج كبير، اسمه WikiChat، ومن خلال التحسين والتحسين، نجحوا في حل مشكلة الهلوسة للنموذج الكبير وكان أداؤهم جيدًا في الدقة الواقعية والمؤشرات الأخرى. أفضل أداء لهم يتجاوز GPT-4 ويتصدر النماذج الأخرى في جوانب متعددة.
لا يكمن نجاح WikiChat في أدائه الممتاز فحسب، بل الأهم من ذلك أنه يقدم أفكارًا وأساليب جديدة لحل مشكلة وهم النماذج الكبيرة. ستعزز نتيجة البحث هذه بشكل كبير تطبيق نماذج لغوية واسعة النطاق في مختلف المجالات وستضع أساسًا متينًا لتطوير تكنولوجيا ذكاء اصطناعي أكثر موثوقية ومصداقية، ومن الجدير التطلع إلى المزيد من التطبيقات والتحسينات بناءً على ذلك في المستقبل .