lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
หน้าแรก
AI
OPRR
ด่วน
ความลึก
กิจกรรม
BlockBeats Pro
เพิ่มเติม
การเงิน
พิเศษ
ระบบนิเวศบล็อกเชน
รายการ
พอดแคสต์
ข้อมูล
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
Partnered With:

เหยา ซุ่นหยู่ สนทนากับถัง เต้าเซิง: โมเดลใหญ่ Tencent Hunyuan ใช้ Context และ Co-Design เพื่อชี้ชะตาในครึ่งหลังของยุค AI

ตามการติดตามของ Beating ในการประชุม Tencent Cloud AI Industry Application Conference เมื่อวันที่ 5 มิถุนายน นักวิทยาศาสตร์ AI ชั้นนำของ Tencent อย่าง Yao Shunyu ได้ร่วมสนทนากับหัวหน้า CSIG อย่าง Tang Daosheng โดยได้ชี้แจงกลยุทธ์หลักของโมเดล Hunyuan ในครึ่งหลังของยุค AI อย่างชัดเจน: ละทิ้งการวัดผลแบบ Overfitting เพื่อเปลี่ยนไปสู่กำแพงโมเดลที่เน้น "Context" (บริบท) และ "Co-Design" (การออกแบบร่วมกัน)

ตรรกะหลักของครึ่งหลังของโมเดลขนาดใหญ่คือ ความสามารถของโมเดลในการแปลงอินพุตที่ซับซ้อนเป็นเอาต์พุตกำลังบรรจบกันอย่างรวดเร็ว กำแพงที่แท้จริงอยู่ที่ว่าใครจะสามารถเข้าถึง "Context" ดั้งเดิมที่สุดได้ นั่นคือการทำความเข้าใจว่าผู้ใช้และองค์กรกำลังทำอะไรอยู่กันแน่ แอปพลิเคชันหลายรูปแบบที่ Tencent มีอยู่ทำหน้าที่เป็นสนามฝึกซ้อมสำหรับ Agent ซึ่งสามารถป้อนบริบทเชิงลึก เช่น พฤติกรรมและความชอบของผู้ใช้ให้กับโมเดลได้อย่างต่อเนื่อง

เพื่อใช้ประโยชน์จากบริบทให้ดี จำเป็นต้องทำลายกำแพงระหว่างการวิจัยโมเดลและการพัฒนาผลิตภัณฑ์ Tencent ได้นำกลไกการทำงานร่วมกันเชิงลึก "Co-Design" ภายในองค์กร โดยส่งบุคลากรหลักด้าน Post-Training ไปสนับสนุนการสร้าง "Tencent Yuanbao" ในช่วงต้นของการพัฒนาเพื่อสร้างความไว้วางใจข้ามทีม โมเดล Hunyuan ได้ละทิ้งการวัดผลแบบ Overfitting และใช้การกระจาย Prompt จริงและข้อมูล回流จากผลิตภัณฑ์ เช่น Yuanbao, ima, Workbuddy ในการประเมินและปรับปรุงโดยตรง ส่งผลให้ความสามารถของโมเดลเกิดการ Generalization ข้ามข้อมูลผลิตภัณฑ์ต่างๆ และสร้าง Network Effect

ในฐานะผลผลิตโดยตรงของกลไกการทำงานร่วมกัน เวอร์ชันพรีวิว Hunyuan 3.0 (Hy3 preview) ได้ปรับโครงสร้างพื้นฐานของ Pre-training และ Reinforcement Learning ใหม่ พร้อมกำหนดนิยามใหม่ของคุณภาพข้อมูลและมาตรฐานการประเมิน การพัฒนาโมเดลไม่ได้มุ่งเน้นการจัดอันดับอีกต่อไป แต่เป็นการเพิ่มประสิทธิภาพความทนทานของงาน เพื่อให้แน่ใจว่า "ทำสิ่งต่างๆ ให้ถูกต้องในครั้งเดียว" ในการใช้งานจริง ลดความถี่ในการลองซ้ำ พร้อมแก้ปัญหาการใช้ Token ที่สูงและความกังวลด้านต้นทุนเมื่อนำไปใช้ในองค์กร

ที่เกี่ยวข้องแนะนำ
ดังนั้นเราจึงพยายามพายเรือไปข้างหน้าอย่างสุดกำลัง ทวนกระแสน้ำ ถูกผลักกลับไปสู่อดีตอย่างไม่หยุดหย่อน
คนเราจะต้องใส่ตัวเองเข้าไปในเครื่องจักรขนาดไหนถึงจะไม่ทำให้ความฉลาดของตัวเองเสียเปล่า
แก้ไข/รายงาน
ส่ง
เพิ่มคลัง
เห็นได้เฉพาะตัวเอง
สาธารณะ
บันทึก
เลือกคลัง
เพิ่มคลัง
ยกเลิก
เสร็จสิ้น