一篇新的预印本介绍了一种名为SOAP的矩阵结构优化器，与Adam相比，它在原子级别AI模型的训练速度更快、准确性更高，尤其是在标记数据有限的情况下。另外，一项涉及22种语言的研究表明，提示大型语言模型（LLM）用英语推理，同时用其他语言回答，可以显著缩小它们在各种语言中的不确定性差距。 AI
影响 这些发现可能带来更高效的AI训练和多语言LLM性能的提升。
排序理由 该集群包含来自预印本和研究的两个不同的研究发现，一个关于AI模型训练优化，另一个关于LLM推理。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
SOAP beats Adam for faster molecular AI training A new preprint shows matrix-structured optimizers train atom-level AI models faster and more accurately than Adam, especially when labels are scarce. https://www. notatechguy.com/soap-beats-ada m-for-faster-molecular-ai-training/ #…
English reasoning closes multilingual LLM uncertainty gap A 22-language study finds prompting LLMs to reason in English while answering in other languages substantially closes the uncertainty gap for low-resource tongu https://www. notatechguy.com/english-reason ing-closes-multil…