一种新的人工智能开发方法表明，未来的突破可能并非来自简单地扩大模型规模，而是来自优化人工智能管道的其他部分。一种提出的方法涉及“逆向人工智能”架构，其中语言模型充当语义规划器，选择并返回现有知识块的标识符，而不是生成新文本。这可能导致更低的推理成本、更快的响应速度以及更少的幻觉，尤其适用于需要确定性和可审计输出的应用。 AI
影响 这种架构转变可以通过专注于选择现有知识而非生成新文本来降低推理成本并提高响应准确性。
排序理由 该集群讨论了人工智能发展的潜在未来方向，并提出了一种新的架构方法，而不是宣布特定的产品发布或研究里程碑。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://pub.towardsai.net/the-next-ai-breakthrough-may-not-be-a-bigger-model-45de0c9726be?source=rss----98111c9905da---4"><img src="https://cdn-images-1.medium.com/max/2600/1*cJnxZ4SiqEu3BwSAWTJtnA.png" width="27…
<h1> <strong>What If the Future of AI Isn't About Generating More... But Generating Less?</strong> </h1> <p>Everyone is racing to build larger language models.</p> <p>More parameters.</p> <p>Longer context windows.</p> <p>Better reasoning.</p> <p>And, of course...</p> <p><strong>…