用1930年代数据训练的复古AI学会了编码和修复软件错误

研究人员对一个仅在1931年前数据上训练的大型语言模型Talkie-1930-13B进行了微调，使其能够执行软件工程任务。尽管其知识库有限，该模型在用250个样本进行微调后，成功修复了xarray Python库中的一个bug。这一演示表明，基本推理能力，而非训练数据的海量，可能是开发智能系统的关键，挑战了模型需要海量互联网规模数据集的观念。 AI

影响 挑战了AI推理对互联网规模数据的必要性，表明核心语言理解可能足以应对复杂任务。

排序理由 这是一个研究项目，展示了一个在特定任务上微调的LLM，而非前沿模型发布或重大行业事件。

在 量子位 (QbitAI) 阅读 →

• Alec Radford
• David Duvenaud
• GitHub
• HumanEval
• Nick Levine
• Python
• SWE-bench
• Talkie-1930-13B
• Talkie-web
• xarray

• 模型发布
• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →