การวิเคราะห์ของ Berkeley GEPA: ให้ AI เรียนรู้ภารกิจใหม่ได้โดยไม่ต้องอัปเดตน้ำหนัก พร้อมลดต้นทุนการฝึกลง 35 เท่าเมื่อเทียบกับ RL
GEPA เป็นวิธีการใหม่สำหรับการฝึก AI ที่ทีม UC Berkeley เสนอ: ไม่อัปเดตค่าน้ำหนัก ไม่จำเป็นต้องใช้ GPU โดยให้ LLM ที่ “สะท้อนคิด” อ่านบันทึกงานทั้งหมดและเขียนพรอมต์ใหม่ แทนที่จะให้ผลตอบกลับเพียงตามคะแนน ทั้ง 6 งานมีค่าเฉลี่ยชนะมากกว่า GRPO 6% และสูงสุด 20% การลดจำนวน rollouts ในการฝึกลง 35 เท่า; Full Program Adapter ที่ผสานกับ DSPy ช่วยยกระดับงานด้านคณิตศาสตร์และเวิร์กโฟลว์แบบหลายโมดอลอย่างมีนัยสำคัญ โดยได้ความถูกต้อง 93% โค้ดเปิดเผยต่อสาธารณะ ผู้เขียนรวมถึง Matei Zaharia ด้วย เป็นต้น
ChainNewsAbmedia·7 ชั่วโมง ที่แล้ว