麻省理工学院团队将开发自我测试系统的模型,
- 编辑:欧洲杯开户平台 -麻省理工学院团队将开发自我测试系统的模型,
资料来源:DeepTech MIT新闻)有一个著名的机器学习问题,称为“幻觉”,该问题指的是模型似乎是合理的,但实际上是不正确或毫无意义的信息。诸如Chatgpt之类的大型模型几乎可以回答所有问题,并且很少揭露盲区或不确定自己知识的领域。但是,尽管AI系统在药物和药物开发,信息整合和自动驾驶等领域被更广泛地使用,但这种缺陷可能会导致严重的后果。如今,MIT的衍生公司Themis AI正在努力解决上述问题,从而增加了模型的凭据。公司CAPSA平台与任何机器研究模型共同使用,以在几秒钟内检测和纠正不符合的输出。它通过修改AI模型来识别暗示数据处理过程中歧义,不完整或偏见的模式来起作用。 “我们的哲学是将模型嵌入CAPSA图中,确定不确定性和iSDATATI开启,从而优化模型。 We are excited to provide a solution that will improve the model and ensure it works well," said Daniela Rus, co-founder of Themis AI and director of MIT Computer Science and artificial intelligence laboratory (CSAIL). Rus established Themis AI in 2021 with former lab researchers Alexander Amini and Elaheh Ahmadi. Ever since its established, the company has helped telecom companies to operate planning and automation system plannings, helping oil companies使用AI进行地震图像,并在开发更可靠的聊天机器人时出版了研究论文。随着应用程序的应用扩展,由AI引起的错误可能会导致灾难后果。 Themis“技术”让位于任何AI系统,以预测和预测失败之前的错误。M是否在提出一个关键问题:如何以局限性找出机器? 2018年,RUS团队获得了丰田的赠款,以分析基于机器的研究解决方案的可靠性。 “在安全性至关重要的情况下,模型的可靠性至关重要。”结果表明,该所有权估算算法与自主最先进的车辆的整合可以减少16倍,将计算时间减少12倍,增加了从特写镜头中恢复成功率为93%93%。基础培训数据的代表性部分和开发新的类似数据样本。到2021年,这些科学家已经显示出类似的技术可以帮助制药公司使用AI模型预测候选药物的特性。鲁斯说:“药物检测的指导可以节省巨大的成本,而这种申请就是这种情况,它告诉我们这项技术的巨大潜力。”结果表明当不确定性与误差相关联,通过主动研究指导的不确定性实现良好的样本训练并提高实验的验证率时,该过程可以执行校准预测。药物研发的成本降低了75%,研发速度增加了10倍,培训数据降低了60%。后来的SA人,他们建立了Themis ai。如今,Themis AI正在许多行业开展业务,其中许多正在建立自己的大型语言模型。通过使用CAPSA平台,这些模型能够研究其产出并报告其信心,从而有助于一旦采取行动就可以标记潜在的不可靠结果。该技术的另一个优点是适合具有有限计算强度的设备。侧设备使用小型模型,无法实现服务器上运行的大型模型的准确性。但是借助Themis的技术,这些设备可以在本地更好地处理大多数任务,寻求帮助y大型服务器如果遇到挑战。与半导体Tun Manufacturersgkol讨论了Themis AI,以将AI解决方案部署到可以与云环境分开的芯片。 “通常,手机或形式系统的小型模型低于服务器版本,但是我们的技术可以在两个世界上取得最好的成就:保持低延迟和高效的优势计算而无需牺牲质量。我们发现了侧面设备的未来,但是当他们的任务是可疑的,可以将任务转移到中间服务器上,以进行处理,说明了Stewart Jamoesson的工程,说:” Stewart Jamoesson severs of Tresection severs of Tresection severs of Tresection severs of Tression severs of Tresect in Themor severs of Tresection Jamoise sesties。此外,制药公司还可以使用CAPSA来优化用于筛查候选药物的AI模型并预测临床测试效果。照片|公司投资者(起源:Themis AI的官方网站)出现,Thethemis AI探索了CAPSA在改善AI思维推理方面的潜力,这将大大重要证明了LLM的性能和效率。这种发展对改善AI体验,减少延迟并减少计算要求具有深远的影响。原始链接:https://news.mit.edu/2025/themis-ai-paches-i-dodels-what-what-what-they-wow-wow-0603