#LLMs
7 stories taggedLLMs.
Kinder lernen Sprache mit einem Bruchteil der Daten, die KI benötigt. Wissenschaftler wollen wissen, warum.
Ein Kleinkind beherrscht die Grammatik nach etwa 10 Millionen gehörten Wörtern. Ein großes Sprachmodell kann 15 Billionen verbrauchen. Das Schließen dieser Lücke könnte die KI-Entwicklung grundlegend verändern.
Ein neuer Trick senkt die Kosten für die Verkleinerung großer KI-Modelle drastisch
Forscher haben einen Weg gefunden, kleinere und kostengünstigere KI-Modelle aus riesigen Modellen zu trainieren und dabei nur einen Bruchteil des zuvor erforderlichen Speichers zu nutzen. Dies eröffnet die Möglichkeit für Experimente, die früher einen ganzen Computerraum benötigten.
Vier Startups setzen darauf, dass die nächste KI-Welle auf etwas Besseres als Transformer läuft
Das neuronale Netzwerk-Design, das jeden großen Chatbot antreibt, stößt an echte Grenzen. Eine kleine Gruppe von Unternehmen glaubt, einen Weg um diese herum gefunden zu haben.
Dieser „KI-Chatbot" ist nur ein 32-jähriger Mann, der an seinem Schreibtisch sitzt
Tucker Bryant hat ChatTJB als Kunstprojekt entwickelt, das zeigt, wie sehr wir uns auf KI für Antworten verlassen, die wir bereits kennen. In den ersten Wochen erhielt er 30.000 Fragen. Er zeichnet immer noch Frösche, die Spaghetti essen.
GraphRAG vs. einfaches RAG: die ehrliche Bilanz
Ein Knowledge Graph kann KI-Antworten deutlich verbessern, aber nur bei bestimmten Fragen – und die Indexierungskosten können überraschend hoch sein. Hier ist, was fünf Studien wirklich herausgefunden haben.
Absichtliche Tippfehler: Wie sich Schriftsteller gegen KI-Prosa wehren
Novelisten, Lektoren und Marketer brechen bewusst grammatikalische Regeln, verzichten auf Gedankenstrich und setzen auf chaotische erste Person, um zu beweisen, dass ein Mensch die Worte geschrieben hat.
KI-Einstellungstools stereotypisieren Bewerber stärker als Menschen, neue Forschung zeigt
Eine Studie von Princeton und der Universität Chicago testete ChatGPT, Claude und Gemini in einem simulierten Einstellungsspiel. Die Modelle sortierten fiktive ethnische Gruppen schnell in Jobkategorien ein – und taten dies weitaus aggressiver als menschliche Testpersonen.