治疗性LLM：探讨临床安全与环境成本的权衡

一篇新发表在arXiv上的论文探讨了治疗性大型语言模型（LLM）在临床安全与环境影响之间的权衡。研究人员发现，尽管更高的临床安全分数是可取的，但它们可能导致能源消耗不成比例地大幅增加。研究表明，在这些敏感的AI应用中，仅仅使用更大的模型或在推理过程中进行更多的计算可能不是提高安全性的最有效方法。相反，动态模型选择和级联方法可能为维持临床性能提供一条更可持续的途径。 AI

影响 强调了当前治疗性AI安全方法中潜在的低效率，并为可持续发展指明了新方向。

排序理由 该集群包含一篇详细介绍AI安全和环境影响研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• EcoLogits
• Gotit.pub
• Hugging Face
• K-Bench
• ScienceCast

• 论文
• 安全
• 其他

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