Ana Sayfa
AI AI
Flaş
Derinlik
Etkinlikler
BlockBeats Pro
Daha Fazla
Finans
Özel
Blok Zinciri Ekosistemi
Giriş
Podkastlar
Veri
OPRR
#
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Partnered With:

Ramp Labs, büyük model altyapısını değiştirirken yeniden ince ayar yapma gereksinimini ortadan kaldıran, modeller arası uyum çerçevesi PorTAL'ı tanıttı.

Beating'in izleme raporuna göre, büyük dil modelleri sık sık güncelleniyor ancak işletmelerin ince ayar çalışmalarının sonuçları genellikle sürümler arasında korunamıyor. Mevcut ana akım ince ayar teknolojileri (LoRA gibi), belirli temel model ağırlık alanına derinlemesine bağlıdır. Daha iyi performansa sahip yeni bir temel model değiştirildiğinde, geliştiriciler tüm ince ayar görevlerini baştan yeniden eğitmek zorunda kalır ve bu da model yükseltme maliyetlerini yüksek hale getirir.

Fintech tek boynuzlu atı Ramp bünyesindeki AI laboratuvarı, bu sınırlamayı aşmak için Taşınabilir Görev Adaptörü (PorTAL) çerçevesini tanıttı. Bu çerçeve, geleneksel ince ayar sürecini değiştirerek geliştiricilerin ilk eğitim sırasında, temel modelden bağımsız "görev potansiyel temsillerini" birlikte eğitip biriktirmesine olanak tanır. Yeni bir temel model değiştirildiğinde, geliştiriciler sıfırdan eğitime gerek kalmadan, yalnızca çok az miktarda kalibrasyon verisi üzerinde son derece ince bir modele özel dönüştürücüyü yeniden kalibre ederek, farklı modeller (hatta Qwen-3'ten Gemma-3'e kadar farklı model aileleri arasında) arasında ince ayar yeteneklerini hızlıca taşıyabilir.

PorTAL, taşıma sırasında görev potansiyel temsillerini ve çekirdek kod çözücüyü dondurduğu için veri miktarı ve adaptasyon hesaplama maliyeti yarıya indirilebilir. Resmi testler, bu çözümün standart LoRA'nın doğruluk artış etkisinin %94 ila %98'ini geri kazanabildiğini ve farklı veri ölçeklerinde daha iyi genelleme performansı gösterdiğini ortaya koydu.

Ancak, bu çerçeve henüz erken aşamadadır. Ramp, kodunu veya model ağırlıklarını henüz açık kaynak olarak sunmamıştır ve üçüncü taraf bağımsız değerlendirmeleri de bulunmamaktadır. Mevcut test verileri çoğunlukla 8B parametrenin altındaki küçük modellere odaklanmıştır; daha büyük parametre ölçeklerinde veya karmaşık komut görevlerinde taşıma performansı henüz doğrulanmayı beklemektedir.

举报 Düzeltme/Rapor
Düzeltme/Rapor
Gönder
Kütüphane Ekle
Sadece kendime görünür
Herkese Açık
Kaydet
Kütüphane Seç
Kütüphane Ekle
İptal
Tamamla