ページを読み込み中…
ページを読み込み中…
8件の記事
TLDR AI は、2030 年までにデータ支出が年間 1,000 億ドルを超えると予測し、AI 学習に必要な高品質なプライベートデータの不足がボトルネックとなっていると指摘した。
Lilian Weng氏は、モデルサイズやデータ量を増やすと訓練損失が予測可能に低下するスケーリング法則について解説し、限られた計算資源をどのように最適に配分すべきかを論じている。
Anthropic は、サイバーセキュリティや雇用喪失のリスクに対処するため、FAA をモデルとした規制アプローチ、必須テスト、強化されたセキュリティ基準を推奨している。また、AI 主導の成長に対応するマクロ経済・税制の適応、バイオメディカル分野での規制改革、そして民主的価値観との整合性確保も政策課題として挙げている。
TLDR AI は、計算資源が豊富でデータが不足している環境では、大規模モデルの事前学習においてデータフィルタリングを行わないことが最適であることを示す新しいスケーリング研究を報告した。
研究者らは国際会議 ICLR で、リアルタイム AI アプリケーションにおいて計算効率を損なわずに大規模言語モデルの速度を向上させる新フレームワークを発表した。