బ్యాంకును విచ్ఛిన్నం చేయకుండా కృత్రిమ మేధస్సును మెరుగుపరిచే అవకాశం యొక్క కొత్త ప్రదర్శనలో, వాషింగ్టన్ విశ్వవిద్యాలయం, సీటెల్ యొక్క అలెన్ ఇన్స్టిట్యూట్ ఫర్ AI (AI2), మరియు స్టాన్ఫోర్డ్ విశ్వవిద్యాలయం పరిశోధకులు, సమాధానం చెప్పే ముందు AI మోడళ్లను ఎక్కువసేపు “ఆలోచించేలా” చేసే సాంకేతికతను అభివృద్ధి చేశారు.
శిక్షణ ఖర్చులను గణనీయంగా తగ్గించేటప్పుడు AI తార్కిక సామర్థ్యాలను పెంచాలనే ఆలోచన ఉంది.
సరళమైన “టెస్ట్-టైమ్ స్కేలింగ్” యొక్క పద్ధతి వివరించబడింది ఇటీవలి పరిశోధనా పత్రంచాలా ముందుగానే ప్రశ్నకు ప్రతిస్పందించడం ప్రారంభిస్తే ప్రాసెసింగ్ కొనసాగించడానికి AI ని బలవంతం చేసే సరళమైన సాంకేతికతను ఉపయోగిస్తుంది. ఈ టెక్నిక్ మోడల్ సమీక్షకు మరియు దాని జవాబును మెరుగుపరచడంలో సహాయపడుతుందని పరిశోధకులు కనుగొన్నారు, తరచుగా అవుట్పుట్‌లోని తప్పులను నివారించవచ్చు.
మోడల్ కోసం మోడల్, డేటా మరియు కోడ్, ఎస్ 1 అని పిలుస్తారు గిరబ్.
ఇది విస్తృత ధోరణిలో భాగం, ఇది ఉదహరించబడింది డీప్సీక్AI మోడల్ శిక్షణ ఖర్చులను తగ్గించేటప్పుడు AI పనితీరును మెరుగుపరచడానికి సమర్థవంతమైన కొత్త మార్గాలను కనుగొనడం. ఎస్ 1 రీజనింగ్ మోడల్‌కు శిక్షణ ఇవ్వడానికి కాగితంలో వివరించిన కంప్యూటింగ్ వనరులు క్లౌడ్ కంప్యూటింగ్ క్రెడిట్లలో $ 50 కన్నా తక్కువ, టెక్ క్రంచ్ నివేదికలు.
కాగితంపై జాబితా చేయబడిన పరిశోధకులు: నిక్లాస్ ముయెనిఘాఫ్ (స్టాన్ఫోర్డ్, AI2, కాంటెక్చువల్ AI), జిటాంగ్ యాంగ్ (స్టాన్ఫోర్డ్), వీజియా షి (యుడబ్ల్యు), జియాంగ్ లిసా లి (స్టాన్ఫోర్డ్), ఫీ-ఫెయి లి (స్టాన్ఫోర్డ్), హన్ననేహ్ హజిషిర్జి (ఉవ్, AI2), ల్యూక్ జెట్లెమోయర్ (యుడబ్ల్యు), పెర్సీ లియాంగ్ (స్టాన్ఫోర్డ్), ఇమ్మాన్యుయేల్ కాండెస్ (స్టాన్ఫోర్డ్) మరియు టాట్సునోరి హషిమోటో (స్టాన్ఫోర్డ్).
