Adaption의 AutoScientist는 폐쇄 루프 학습을 통해 모델 미세 조정을 자동화하여 사람이 설계한 구성보다 뛰어난 성능을 보여줍니다.
요컨대
Adaption은 특정 작업을 위해 훈련 데이터와 학습 프로세스를 모두 최적화하여 AI 모델을 자동으로 맞춤화하는 시스템인 AutoScientist를 공개했습니다.
적응Cohere의 전 연구 부사장인 사라 후커가 설립한 AI 스타트업은 훈련 데이터와 학습 구성을 동시에 최적화하여 특정 작업에 맞게 AI 모델을 조정하는 프로세스를 자동화하도록 설계된 새로운 시스템인 AutoScientist를 출시했습니다. 이 시스템은 AI 연구 개발 워크플로우 자동화를 향한 한 걸음으로, 모델 미세 조정 및 실험에 일반적으로 필요한 수작업을 줄이는 것을 목표로 합니다.
AutoScientist는 데이터셋과 학습 레시피를 동시에 최적화하는 엔드투엔드 프레임워크로, 데이터 선택과 모델 학습 매개변수가 지속적으로 조정되는 폐쇄 루프를 통해 반복적으로 작동합니다. 이 과정은 성능이 안정화될 때까지 계속되도록 설계되었습니다. defi이 시스템은 목표를 설정함으로써 인간의 지속적인 개입 없이도 모델이 학습하는 내용과 학습 방식을 효과적으로 개선할 수 있습니다.
회사에 따르면, 이 도구는 초기 개념 구상부터 맞춤형 모델 배포까지 소요되는 시간을 단축하여 개발 주기를 몇 주에서 몇 시간으로 줄일 수 있도록 설계되었습니다. 또한, 머신러닝 전문가뿐만 아니라 일반 사용자도 모델 맞춤 설정에 접근할 수 있도록 하여, 전문적인 기술 지식이 없는 사용자도 프롬프트뿐만 아니라 학습된 시스템의 기본 동작까지 제어할 수 있게 해줍니다. 이러한 접근 방식은 특히 도메인별 언어, 구조화된 출력, 지연 시간 및 비용과 같은 효율성 제약 조건에 맞춰 모델을 미세 조정하고, AI 시스템 내에서 자체 데이터 세트를 더욱 효과적으로 활용하고자 하는 조직에 적합하다고 설명됩니다.
회사에서 제공한 내부 평가에 따르면 AutoScientist는 5,000개에서 100,000개에 이르는 다양한 데이터셋 크기와 여러 모델 아키텍처를 활용한 미세 조정을 통해 기준 모델 대비 향상된 성능을 보여줍니다. 보고된 결과는 도메인에 관계없이 일관된 성능 향상을 나타내며, 성능은 특정 산업 분야에 맞춰 조정된 자체 평가를 통해 측정되었습니다.
평가 프레임워크에 제시된 추가 비교 결과에 따르면, AutoScientist는 숙련된 AI 엔지니어를 포함한 인간 연구원이 설계한 구성보다 평균적으로 더 높은 성능을 달성했습니다. 이러한 테스트에서 인간 전문가들은 모델 아키텍처, 데이터셋 특성 및 도메인 요구 사항에 대한 지식을 바탕으로 학습 설정을 선택했으며, AutoScientist는 동일한 입력값을 제공받는 동시에 과거 실행 데이터를 사용하여 자체 구성을 반복적으로 개선할 수 있었습니다. 이러한 조건에서 자동화 시스템을 사용했을 때 종합적인 결과가 48%에서 64%로 향상되었으며, 실험 전반에 걸쳐 평균 약 35%의 성능 향상이 나타났습니다.
AutoScientist는 프론티어 모델 미세 조정의 민주화를 목표로 하면서 도메인 간 안정성을 입증했습니다.
다양한 응용 분야에 걸친 추가 벤치마킹 결과, 이 시스템은 특정 도메인에 크게 민감하지 않으며 8개 산업 분야에서 성능 향상이 관찰되었습니다. 회사 측은 기존의 미세 조정 방식이 좁거나 매우 제한적인 환경에서만 제대로 작동하는 경향이 있는 반면, AutoScientist는 다양한 작업과 데이터 세트에서 더욱 안정적인 성능 향상을 제공한다는 점에서 이러한 일관성이 주목할 만하다고 밝혔습니다.
이 시스템은 특히 AI 신뢰성에서 지속적인 과제로 남아 있는 장기적인 예측과 관련된 영역에서 모델 개발 프로세스를 자동화하려는 광범위한 노력의 일환으로 개발되었습니다. 개발자들은 AutoScientist가 모델 학습 파이프라인에서 수동 개입의 필요성을 줄이는 초기 단계이며, 향후 연구 방향은 기존의 학습 주기가 필요하지 않은 보다 즉각적인 적응 방식을 가능하게 하는 데 초점을 맞출 것이라고 밝혔습니다.
이번 출시의 목적은 기술적 목표 외에도 모델 맞춤화에 대한 접근성을 확대하여 더 많은 사용자가 특정 응용 분야에 맞는 AI 시스템을 구축할 수 있도록 하는 데 있습니다. 이 도구는 초기 30일 동안 무료로 제공됩니다. 발표된 설명에 따르면, 더 큰 목표는 AI 모델 개발의 장벽을 낮추고 주요 연구소에 집중된 소수의 전문 연구원들뿐만 아니라 더 많은 사용자가 맞춤형 시스템을 만들 수 있도록 지원하는 것입니다.
이번 발표에서 강조된 핵심적인 맥락적 논점은 전 세계적으로 최첨단 AI 모델을 제대로 학습시키고 미세 조정하는 데 필요한 전문 지식을 보유한 사람이 극소수에 불과하며, 이러한 지식의 대부분은 소수의 주요 연구소에 집중되어 있다는 점입니다. 오토사이언티스트(AutoScientist)와 같은 시스템이 이러한 전문 지식의 일부를 성공적으로 자동화할 수 있다면, 개별 조직과 특정 사용 사례에 맞는 맞춤형 모델을 구축하는 과정이 더욱 접근하기 쉽고 실질적으로 실현 가능해질 수 있다는 것입니다.
책임 한계
줄 안 트러스트 프로젝트 지침, 이 페이지에 제공된 정보는 법률, 세금, 투자, 재정 또는 기타 형태의 조언을 제공하기 위한 것이 아니며 해석되어서도 안 됩니다. 손실을 감수할 수 있는 만큼만 투자하고 의심스러운 경우 독립적인 재정 조언을 구하는 것이 중요합니다. 자세한 내용은 이용약관은 물론 발행자나 광고주가 제공하는 도움말 및 지원 페이지를 참조하시기 바랍니다. MetaversePost 는 정확하고 편견 없는 보고를 위해 최선을 다하고 있지만 시장 상황은 예고 없이 변경될 수 있습니다.
저자에 관하여
전담 저널리스트인 알리사(Alisa) MPost암호화폐, 인공지능, 투자 및 광범위한 분야를 전문으로 합니다. Web3. 새로운 트렌드와 기술에 대한 예리한 안목을 바탕으로 그녀는 끊임없이 진화하는 디지털 금융 환경에 대해 독자들에게 정보를 제공하고 참여시키기 위해 포괄적인 취재를 제공합니다.
더 많은 기사
전담 저널리스트인 알리사(Alisa) MPost암호화폐, 인공지능, 투자 및 광범위한 분야를 전문으로 합니다. Web3. 새로운 트렌드와 기술에 대한 예리한 안목을 바탕으로 그녀는 끊임없이 진화하는 디지털 금융 환경에 대해 독자들에게 정보를 제공하고 참여시키기 위해 포괄적인 취재를 제공합니다.
