La acondicionamiento apunta a lo amplio con AutoScientist, una utensilio de inteligencia químico que ayuda a los modelos a entrenarse a sí mismos

Durante primaveras, los investigadores de IA han anticipado el momento en que los sistemas de IA podrán mejorarse a sí mismos mejor que los humanos. Ahora que los inversores invierten patrimonio en una nueva vivientes de laboratorios de IA impulsados ​​por la investigación, hay más bienes que nunca disponibles para alcanzar el objetivo. Ahora, uno de esos neolaboratorios ha cedido un paso importante para hacerlo existencia.

El miércoles, Aclimatación presentó un nuevo producto llamado Autocientífico que ayuda a los modelos a asimilar capacidades específicas rápidamente mediante el uso de un enfoque automatizado para el ajuste fino convencional. Las técnicas son aplicables a una amplia variedad de campos, pero el equipo de Aclimatación se centra particularmente en el potencial para acelerar y proporcionar el proceso de entrenamiento y ajuste de un maniquí de IA de nivel fronterizo.

Según la cofundadora y directora ejecutiva Sara Hooker, quien anteriormente trabajó como vicepresidenta de investigación de IA en Cohere, AutoScientist representa una nueva forma de topar el proceso de capacitación en IA. “Lo que es súper emocionante es que cooptimiza tanto los datos como el maniquí, y aprende la mejor forma de asimilar básicamente cualquier capacidad”, dijo Hooker a TechCrunch. “Esto sugiere que finalmente podemos permitir entrenamientos exitosos de IA fuera de estos laboratorios”

AutoScientist se fundamento en la propuesta de datos existente de la empresa, Datos adaptablescuyo objetivo es proporcionar la creación de conjuntos de datos de inscripción calidad a lo extenso del tiempo. Mientras tanto, AutoScientist está diseñado para convertir esos conjuntos de datos que mejoran continuamente en modelos de IA que mejoran continuamente. “Nuestra opinión en Adaption es que toda la pila debe ser completamente adaptable y, básicamente, debe optimizarse sobre la marcha para cualquier tarea que tenga”, dice Hooker.

Por supuesto, ese enfoque sólo será tan bueno como los resultados. En sus materiales de dispersión, Adaption se jacta de que AutoScientist ha más que duplicado las tasas de provecho en diferentes modelos: cifras impresionantes, pero difíciles de poner en contexto. Poliedro que el sistema está diseñado para adaptar modelos a tareas específicas, los puntos de remisión convencionales como SWE-Bench o ARC-AGI no son aplicables.

Aún así, Adaption confía en que los usuarios verán la diferencia una vez que prueben AutoScientist, y está tan seguro de que el laboratorio hará que la utensilio sea de uso sin cargo durante los primeros 30 días posteriormente de su dispersión.

“De la misma forma que la vivientes de código desbloqueó muchas tareas, esto desbloqueará mucha innovación en la frontera de diferentes campos”, afirma Hooker.