الذكاء الاصطناعي٧ نوفمبر ٢٠٢٦
استخدام نموذج جيف لتقليل تكلفة استعلامات أوبس
يحقق الجمع بين Jev وOpus دقة تضاهي النماذج المتقدمة مع خفض التكلفة بأكثر من ٤ مرات في تقييم مطابقة الهويات. ويؤدي Jev أفضل من Luna داخل نموذج هجين، لأن ثقته في أحكامه أدق معايرةً، رغم أن النماذج المتقدمة تظل أدق من نماذج القرار منفردة. وتتيح هذه الطريقة فحص نتائج مطابقة الهويات بكلفة أقل مع الحفاظ على الدقة المتقدمة.
الحقائق الأساسية
بلغت دقة النموذجين منفردين بين ٨٨٫٨٪ و٩٧٫٣٪.
«We found that while both models performed okay out of the box (88.8–97.3% accuracy), implementing a hybrid model that combines Jev + Opus achieves frontier accuracy at > 4x lower costs.»
عرض المصدر ←تتجاوز سرعة نماذج القرار ١٠ أضعاف النماذج المتقدمة، وتقل كلفتها حتى ٩٠ مرة، لكنها تتأخر عن دقة Opus بنحو ٦ نقاط مئوية في الاختبارات الأصعب.
«Decision models are up to 90× cheaper and more than 10× faster out of the box. They cost $0.5 - $0.10 per 1,000 identities and answer in about 0.15 seconds, but trail Opus accuracy by about 6 percentage points on harder benchmarks.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر