ระบบ "KwaiAgents" ซึ่งร่วมกันเปิดแหล่งที่มาโดย Kuaishou และ Harbin Institute of Technology นั้นอาศัยวิธี Meta-Agent Tuning (MAT) เพื่อทำให้โมเดล 7B/13B มีประสิทธิภาพเหนือกว่า GPT-3.5 และดึงดูดความสนใจของอุตสาหกรรม ระบบนี้ใช้โมเดลขนาดใหญ่ รวมกับกลไกหน่วยความจำและไลบรารีเครื่องมือ เพื่อสร้างระบบอัตโนมัติ จุดเด่นหลักคือวิธี MAT หลีกเลี่ยงปัญหาการใส่โมเดลมากเกินไปได้อย่างมีประสิทธิภาพ และปรับปรุงความสามารถในการวางนัยทั่วไปและการปฏิบัติจริงของ แบบอย่าง. การเคลื่อนไหวนี้ไม่เพียงแต่มอบทรัพยากรที่มีคุณค่าสำหรับนักวิจัยในสาขาปัญญาประดิษฐ์เท่านั้น แต่ยังอัดฉีดพลังใหม่ให้กับการพัฒนาเทคโนโลยีแบบจำลองขนาดใหญ่อีกด้วย
บทความนี้มุ่งเน้นไปที่:
Kuaishou และ Harbin Institute of Technology ร่วมกันเปิดระบบ "KwaiAgents" ด้วยวิธี Meta-Agent Tuning ทำให้โมเดล 7B/13B เหนือกว่า GPT-3.5 ในทุกด้าน ระบบใช้โมเดลขนาดใหญ่เป็นแกนหลัก และสร้างระบบอัตโนมัติผ่านกลไกหน่วยความจำและไลบรารีเครื่องมือ วิธี MAT หลีกเลี่ยงปัญหาการสวมอุปกรณ์มากเกินไป และปรับปรุงความสามารถทั่วไปของแบบจำลอง โครงการโอเพ่นซอร์สเติมความมีชีวิตชีวาใหม่และมอบทรัพยากรอันอุดมสมบูรณ์ให้กับนักวิจัย
โอเพ่นซอร์สของระบบ KwaiAgents มอบทิศทางใหม่และความเป็นไปได้ในการใช้งานที่กว้างขึ้นสำหรับการวิจัยแบบจำลองขนาดใหญ่ และยังบ่งชี้ว่าเทคโนโลยีแบบจำลองขนาดใหญ่จะพัฒนาไปในทิศทางที่เป็นประโยชน์และเป็นทั่วไปมากขึ้นในอนาคต เราหวังว่าจะได้รับผลการวิจัยเพิ่มเติมเกี่ยวกับระบบนี้ในอนาคต