Desarrollo de modelos de IA de alta eficiencia capaces de realizar tareas complejas
- Qué
- Los investigadores han desarrollado Nemotron 3.5 Super y Lightning, modelos de IA abiertos idóneos para el razonamiento, la comprensión de contextos largos y la ejecución autónoma de tareas.
- Resultado clave
- El modelo Super alcanzó el 51.78% en evaluaciones de ingeniería de software utilizando menos parámetros activos, superando a modelos anteriores, y demostró un alto rendimiento de procesamiento mediante diversas optimizaciones.
- Por qué importa
- Esta investigación demuestra la posibilidad de aumentar simultáneamente la eficiencia y el rendimiento de los modelos a gran escala para que puedan utilizarse de manera práctica en diversos entornos.
Contexto
Se necesitaban modelos de IA eficientes aptos para capacidades de razonamiento, comprensión de contextos largos y tareas de agentes que juzguen por sí mismos y utilicen herramientas.
Método
Los modelos se optimizaron combinando una arquitectura de mezcla de expertos con tecnología Mamba-Transformer, seguidas de procesos de post-entrenamiento como la destilación a gran escala y el aprendizaje por refuerzo.
Resultados principales
El rendimiento en idiomas índicos mejoró hasta en 9.82 puntos porcentuales, y se logró una alta velocidad de procesamiento de tokens por segundo por tarjeta gráfica junto con un rendimiento sobresaliente en pruebas comparativas de ingeniería de software.
Limitaciones y puntos abiertos
Basándose únicamente en el resumen, no es posible verificar evaluaciones detalladas sobre diversas variables o la estabilidad a largo plazo en entornos reales de servicios comerciales.
Glosario
- Mixture-of-Experts — Técnica que mejora la eficiencia activando solo algunos expertos más adecuados para los datos de entrada entre múltiples modelos
- Parámetro — Valores de configuración que la IA utiliza para aprender y tomar decisiones
- Cuantización — Técnica que reduce el uso de memoria y aumenta la velocidad al disminuir la precisión de cálculo del modelo
Este resumen lo redactó una IA a partir del resumen del artículo y lo revisó el editor. Los resúmenes de esta página se tradujeron con IA a partir de la versión coreana revisada por el editor. Consulte el original para cifras y contexto exactos.
Esta página recopila artículos publicados, anuncios oficiales e informaciones de prensa solo con fines informativos. Los resúmenes los redacta una IA a partir del resumen del artículo y los revisa el editor; pueden diferir del original, así que consulte el artículo para lo importante. Nada de esto es una recomendación de compra o venta ni asesoramiento de inversión. Los cambios de puesto citan anuncios oficiales o prensa relevante; parte de las trayectorias proviene de Wikidata (CC0). Los resúmenes de esta página se tradujeron con IA a partir de la versión coreana revisada por el editor.
