新型AIモデルJev、RLCD訓練で高速・低コストなソフトウェア自動化向け確率的意思決定を実現
日本語参考要約訳
ある企業が開発した新しいモデルは、従来のトークンごとに文字列を生成する自己回帰型チャットボットとは異なり、文字列生成をほぼ排除し、非構造化データから型安全な確率的判断を並列で出力する方式を採用している。このモデルは、ChatGPTの指示応答研究に関わったDiogo Almeida氏が設立した会社によるもので、新しいRLCDという訓練手法で、判断の確信度を適切に調整しているという。投稿によれば、このモデルは誤情報（ハルシネーション）率が極めて低いと主張されており、評価タスクでは従来モデルと比べ最大で194倍高速かつ445倍コストが安いという性能を示している。入力トークン1百万あたりの費用は$0.042で、出力は無料とのこと。ただし、自由形式の生成能力はGPT-6やAstraといった汎用推論モデルに劣るため、汎用的なAIの代替ではないが、ソフトウェアの自動化用途には非常に有望であると投稿者は評価している。
※長文投稿のため、参考訳は概要を最大600字まで表示しています。 元投稿をご参照ください
AINNでは投稿本文・投稿者本人の追記・第三者コメントの全文転載を避け、X公式埋め込みと元投稿への導線を中心に表示します。
AIによる見どころ整理
何について
Jevは従来の逐次文字生成を廃し、非構造化状態から型安全な確率的意思決定を並列出力する新しいAIモデルで、RLCD訓練法により自己確信度の校正を行う。投稿者はHallucination率の低減や既存先端モデルと競合する性能、ワークフロー評価で最大194倍高速かつ445倍安価なコスト効率を示す点に注目する。入力トークンあたり$0.042で出力は無料であるが、汎用推論モデルではなくソフトウェア自動化向けに特化している。
なぜ注目
Jevは従来型のトークン逐次生成をやめて並列的な確率的意思決定を行い、RLCD訓練法での自己確信度調整により低い誤情報率を示す点が注目される。高速かつコスト効率の高さから、ソフトウェア自動化用途での実用的な影響が期待される。
🔰 初学者向け要約
新しいAIモデルJevは、以前のように1文字ずつ生成するのではなく、一度に複数の決定を出す方法を使っています。この技術で、動作が非常に速くなり費用も大幅に安くなりました。Jevはソフトウェアの自動化に役立つよう設計されていますが、自由に文章を作るタイプのGPT-6のようなモデルの代わりにはなりません。投稿者は、この性能はソフトウェア分野で画期的だと考えています。
この記事の出典
関連する記事
同じ製品・モデル、または同じ元投稿を扱う記事です。この記事の根拠を示すものではありません。