Новый метод помогает БЯМ решать сложные новые задачи

Большие языковые модели (БЯМ) часто не справляются с новыми задачами, требующими сложных навыков рассуждения.
Специалисты из США нашли способ сделать БЯМ более адаптируемыми и повысить их производительность при решении незнакомых проблем.
Разработан метод повышения эффективности выполнения сложных задач, сочетающий контекстное обучение с обучением во время теста (TTT).
TTT подразумевает обновление параметров модели на основе новых данных, специфичных для текущей задачи.
Метод TTT оказался более эффективным, чем простое предоставление примеров, особенно в сложных областях знаний.
Новый метод позволяет БЯМ автоматически определять, нужно ли использовать TTT для обновления параметров или достаточно контекстного обучения.
76% опрошенных специалистов считают, что увеличение размеров языковых моделей не приведет к созданию общего искусственного интеллекта, способного учиться на уровне человека.