ถนนแบนเบอรีให้โมเดล 32 ตัวฝึกพร้อมกัน และพัฒนาความเชี่ยวชาญที่แตกต่างกันด้วยตัวเอง

动察 Beating ข่าวด่วน AI ห้องปฏิบัติการ AI Banbury Road เปิดตัว Kardashev-0.7 ซึ่งประกอบด้วยโมเดลที่แตกต่างกัน 32 โมเดล ทีมใช้การเรียนรู้แบบเสริมกำลังในการฝึกโมเดลเหล่านี้ร่วมกัน โดยไม่กำหนดล่วงหน้าว่าแต่ละโมเดลรับผิดชอบอะไร ปล่อยให้พวกมันพัฒนาความเชี่ยวชาญและความสามารถที่เสริมกันในระหว่างการฝึก วิธีนี้เรียกว่า RL for Population Scaling (RLPS)

การทดลอง RLPS ก่อนหน้านี้ทำได้สูงสุด 16 โมเดล ในการทดลอง 8 โมเดล กลุ่มโมเดลที่ฝึกด้วยกันได้คะแนน 81.70% สูงกว่า 71.04% ของโมเดล 8 ตัวที่ฝึกแยกกัน และสูงกว่า 72.65% ของโมเดลเดียวกันที่สุ่มตัวอย่างซ้ำ 8 ครั้ง ในการทดลอง 16 โมเดล มี 22 ข้อที่มีเพียง 1 โมเดลเท่านั้นที่ตอบถูก แสดงให้เห็นว่าโมเดลต่างๆ เรียนรู้ความสามารถที่แตกต่างกันจริง

Kardashev-0.7 ขยายขนาดเป็น 32 โมเดล Banbury Road กล่าวว่ามันสามารถบรรลุประสิทธิภาพระดับโมเดลแนวหน้า ด้วยต้นทุนการอนุมานเพียง 0.007 ถึง 0.02 เท่า และหน่วยความจำ 0.03 เท่า ปัจจุบัน API Beta ยังต้องเข้าร่วมรายการรอ

อย่างไรก็ตาม คะแนนกลุ่มในการทดลอง 8 และ 16 โมเดลก่อนหน้านี้ เป็นการเลือกผลลัพธ์ที่ดีที่สุดจากเอาต์พุตของหลายโมเดลโดยใช้เฉลยในภายหลัง ในการใช้งานจริงไม่มีเฉลย ระบบจะเลือกคำตอบที่ถูกต้องโดยอัตโนมัติได้อย่างไร Banbury Road ยังไม่ได้เปิดเผยแนวทางที่สมบูรณ์