찾다
기술 주변기기일체 포함GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

현재 AI 모델은 매우 광범위한 응용 분야에 관여하고 있지만 대부분의 AI 모델은 특정 작업을 위해 설계되었으며 올바른 모델 아키텍처, 최적화 알고리즘 및 하이퍼 매개변수를 완성하는 데 많은 인력이 필요한 경우가 많습니다. ChatGPT와 GPT-4가 인기를 얻은 후 사람들은 텍스트 이해, 생성, 상호 작용, 추론 등에서 LLM(대형 언어 모델)의 엄청난 잠재력을 보았습니다. 일부 연구자들은 LLM을 사용하여 일반 인공 지능(AGI)을 향한 새로운 경로를 탐색하려고 합니다.

최근 오스틴에 있는 텍사스 대학의 연구원들은 새로운 아이디어를 제안했습니다. 즉, 작업 중심 프롬프트를 개발하고, LLM을 사용하여 교육 파이프라인을 자동화하고, 이 아이디어를 기반으로 하는 새로운 시스템 AutoML-GPT를 출시하는 것입니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

문서 주소:

https://www.php.cn/link/39d4b545fb02556829aab1db805021c3

AutoML-GPT는 GPT를 다양한 AI 모델 브리지 간의 링크로 사용합니다. 최적화된 하이퍼파라미터로 모델을 동적으로 훈련합니다. AutoML-GPT는 모델 카드[Mitchell et al., 2019] 및 데이터 카드[Gebru et al., 2021]에서 사용자 요청을 동적으로 수신하고 해당 프롬프트 단락을 구성합니다. 마지막으로 AutoML-GPT는 이 프롬프트 단락을 사용하여 데이터 처리, 모델 아키텍처 구축, 초매개변수 조정, 훈련 로그 예측을 포함한 여러 실험을 자동으로 수행합니다.

AutoML-GPT는 강력한 NLP 기능과 기존 AI 모델을 극대화하여 다양한 테스트와 데이터 세트에서 복잡한 AI 작업을 해결합니다. 수많은 실험과 절제 연구에 따르면 AutoML-GPT는 다양한 인공 지능 작업(CV 작업 및 NLP 작업 포함)에 다재다능하고 효과적인 것으로 나타났습니다.

AutoML-GPT 소개

AutoML-GPT는 데이터 및 모델 정보를 사용하여 프롬프트 입력 단락의 형식을 지정하는 협업 시스템입니다. 그 중 LLM은 컨트롤러 역할을 하고, 여러 전문가 모델은 협업 실행자 역할을 합니다. AutoML-GPT의 워크플로에는 데이터 처리, 모델 아키텍처 설계, 초매개변수 조정, 학습 로그 생성의 4단계가 포함됩니다.

구체적으로 AutoML-GPT의 작동 메커니즘은 다음과 같습니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

  • 모델 카드 및 데이터 카드를 통해 고정 형식 프롬프트 단락 생성
  • 선택한 데이터 세트에 대한 학습 파이프라인 구축 모델 아키텍처에 대한 사용자 요구 사항 처리
  • 성능 훈련 로그 생성 및 하이퍼 매개변수 조정
  • 자동 제안(자동 제안) 하이퍼 매개변수를 기반으로 모델 조정

입력 분해

AutoML - GPT의 첫 번째 단계는 LLM이 사용자 입력을 수락하는 것입니다. LLM의 성능을 향상시키고 효과적인 프롬프트를 생성하기 위해 본 연구에서는 입력 프롬프트에 대한 구체적인 지침을 채택했습니다. 이 지침에는 데이터 카드, 모델 카드, 평가 지표 및 추가 요구 사항의 세 부분이 포함됩니다.

아래 그림 2에 표시된 것처럼 데이터 카드의 주요 부분은 데이터 세트 이름, 입력 데이터 세트 유형(예: 이미지 데이터 또는 텍스트 데이터), 레이블 공간(예: 카테고리 또는 해상도) 및 기본 평가 지표로 구성됩니다. .

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

아래 그림 3과 같이 모델 카드는 모델 이름, 모델 구조, 모델 설명 및 아키텍처 하이퍼 매개변수로 구성됩니다. 이 정보를 제공함으로써 Model Card는 LLM에 전체 기계 학습 시스템에서 사용되는 모델은 물론 모델 아키텍처에 대한 사용자의 선호도를 알려줄 수 있습니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

데이터 카드 및 모델 카드 외에도 사용자는 추가 평가 벤치마크, 평가 지표 또는 제약 조건을 요청할 수도 있습니다. AutoML-GPT는 사용자 요구 사항을 적절하게 분석하기 위해 이러한 작업 사양을 LLM에 대한 상위 수준 지침으로 제공합니다.

처리해야 할 일련의 작업이 있는 경우 AutoML-GPT는 각 작업에 해당 모델을 일치시켜야 합니다. 이 목표를 달성하려면 시스템은 먼저 모델 카드와 사용자 입력에서 모델 설명을 얻어야 합니다.

그런 다음 AutoML-GPT는 컨텍스트 내 작업 모델 할당 메커니즘을 사용하여 모델을 작업에 동적으로 할당합니다. 이 접근 방식은 점진적인 모델 액세스를 가능하게 하며 모델 설명과 사용자 요구 사항에 대한 더 나은 이해를 결합하여 더 큰 개방성과 유연성을 제공합니다.

예상 훈련 로그로 하이퍼파라미터 조정

AutoML-GPT는 데이터 카드와 모델 카드를 기반으로 하이퍼파라미터를 설정하고 하이퍼파라미터의 트레이닝 로그를 생성하여 성능을 예측합니다. 시스템은 자동으로 훈련을 수행하고 훈련 로그를 반환합니다. 데이터 세트의 모델 성능 훈련 로그는 훈련 프로세스 중에 수집된 다양한 지표와 정보를 기록합니다. 이는 모델 훈련 진행 상황을 이해하고 잠재적인 문제를 식별하며 선택한 아키텍처, 하이퍼파라미터 및 최적화 방법의 효과를 평가하는 데 도움이 됩니다.

실험

본 연구에서는 AutoML-GPT의 성능을 평가하기 위해 ChatGPT(OpenAI의 GPT-4 버전)를 사용하여 구현하고 AutoML-GPT의 효과를 다각적으로 입증하기 위해 여러 실험을 수행했습니다.

아래 그림 4는 AutoML-GPT를 사용하여 알 수 없는 데이터 세트에 대한 훈련 결과를 보여줍니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

아래 그림 5는 AutoML-GPT가 COCO 데이터 세트에서 타겟 탐지 작업을 완료하는 프로세스를 보여줍니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

아래 그림 6은 NQ Open 데이터 세트(Natural Question Open 데이터 세트, [Kwiatkowski et al., 2019])에 대한 AutoML-GPT의 실험 결과를 보여줍니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

이 연구에서도 XGBoost는 UCI Adult 데이터 세트[Dua and Graff, 2017]에서 AutoML-GPT를 평가하여 분류 작업에 대한 성능을 살펴보았습니다. 실험 결과는 아래 그림 7에 나와 있습니다.

GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.

관심 있는 독자는 원본 논문을 읽어보세요. 연구 세부사항에 대해 자세히 알아보세요.

위 내용은 GPT는 여러 모델이 협업하여 다양한 작업을 완료하도록 지시하는 두뇌 역할을 합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명
이 기사는 51CTO.COM에서 복제됩니다. 침해가 있는 경우 admin@php.cn으로 문의하시기 바랍니다. 삭제
AI 내부 배포의 숨겨진 위험 : 거버넌스 격차 및 치명적인 위험AI 내부 배포의 숨겨진 위험 : 거버넌스 격차 및 치명적인 위험Apr 28, 2025 am 11:12 AM

Apollo Research의 새로운 보고서에 따르면 고급 AI 시스템의 점검되지 않은 내부 배치는 상당한 위험을 초래합니다. 주요 AI 기업들 사이에서 널리 퍼져있는 이러한 감독 부족은 uncont에서 범위에 이르는 잠재적 인 치명적인 결과를 허용합니다.

AI Polygraph 구축AI Polygraph 구축Apr 28, 2025 am 11:11 AM

전통적인 거짓말 탐지기는 구식입니다. 손목 대역으로 연결된 포인터에 의존하는 것은 대상의 활력 징후와 물리적 반응을 인쇄하는 거짓말 탐지기가 거짓말을 식별하는 데 정확하지 않습니다. 그렇기 때문에 거짓말 탐지 결과는 일반적으로 법원에서 채택되지는 않지만 많은 무고한 사람들이 감옥에 갇히게되었습니다. 대조적으로, 인공 지능은 강력한 데이터 엔진이며, 작동 원리는 모든 측면을 관찰하는 것입니다. 이것은 과학자들이 다양한 방식으로 진실을 찾는 응용 분야에 인공 지능을 적용 할 수 있음을 의미합니다. 한 가지 방법은 거짓말 탐지기처럼 심문을받는 사람의 중요한 부호 반응을 분석하지만보다 상세하고 정확한 비교 분석을 분석하는 것입니다. 또 다른 방법은 언어 마크 업을 사용하여 사람들이 실제로 말하는 것을 분석하고 논리와 추론을 사용하는 것입니다. 말이 갈 때, 한 거짓말은 또 다른 거짓말을 번식시키고 결국

항공 우주 산업에서 AI가 이륙을 위해 청산 되었습니까?항공 우주 산업에서 AI가 이륙을 위해 청산 되었습니까?Apr 28, 2025 am 11:10 AM

혁신의 선구자 인 항공 우주 산업은 AI를 활용하여 가장 복잡한 도전을 해결하고 있습니다. Modern Aviation의 복잡성 증가는 AI의 자동화 및 실시간 인텔리전스 기능이 필요합니다.

베이징의 봄 로봇 레이스를보고 있습니다베이징의 봄 로봇 레이스를보고 있습니다Apr 28, 2025 am 11:09 AM

로봇 공학의 빠른 발전은 우리에게 매혹적인 사례 연구를 가져 왔습니다. Noetix의 N2 로봇의 무게는 40 파운드가 넘고 키가 3 피트이며 백 플립을 할 수 있다고합니다. Unitree의 G1 로봇의 무게는 N2 크기의 약 2 배이며 키는 약 4 피트입니다. 경쟁에 참여하는 작은 휴머노이드 로봇도 많으며 팬이 앞으로 나아가는 로봇도 있습니다. 데이터 해석 하프 마라톤은 12,000 명 이상의 관중을 끌어 들였지만 21 명의 휴머노이드 로봇 만 참여했습니다. 정부는 참여 로봇이 경쟁 전에 "집중 훈련"을 수행했다고 지적했지만 모든 로봇이 전체 경쟁을 완료 한 것은 아닙니다. 챔피언 -Tiangong Ult Beijing Humanoid Robot Innovation Center가 개발했습니다.

거울 함정 : AI 윤리와 인간 상상력의 붕괴거울 함정 : AI 윤리와 인간 상상력의 붕괴Apr 28, 2025 am 11:08 AM

인공 지능은 현재 형태로 진정으로 지능적이지 않습니다. 기존 데이터를 모방하고 정제하는 데 능숙합니다. 우리는 인공 지능을 만들지 않고 오히려 인공적인 추론을 만들고 있습니다.

새로운 Google Leak은 Handy Google 사진 기능 업데이트가 공개됩니다새로운 Google Leak은 Handy Google 사진 기능 업데이트가 공개됩니다Apr 28, 2025 am 11:07 AM

보고서에 따르면 Google Photos Android 버전 7.26 코드에 업데이트 된 인터페이스가 숨겨져 있으며 사진을 볼 때마다 새로 감지 된 얼굴 썸네일 행이 화면 하단에 표시됩니다. 새로운 얼굴 썸네일에는 이름 태그가 없으므로 탐지 된 각 사람에 대한 자세한 정보를 보려면 개별적으로 클릭해야한다고 생각합니다. 현재이 기능은 Google 사진이 이미지에서 찾은 사람들 외에는 정보를 제공하지 않습니다. 이 기능은 아직 사용할 수 없으므로 Google이 어떻게 정확하게 사용할 것인지 모릅니다. Google은 썸네일을 사용하여 선택된 사람들의 더 많은 사진을 찾는 속도를 높이거나 편집 할 개인을 선택하는 것과 같은 다른 목적으로 사용될 수 있습니다. 기다렸다가 보자. 지금은

강화 조정 안내서 - 분석 Vidhya강화 조정 안내서 - 분석 VidhyaApr 28, 2025 am 09:30 AM

강화 결합은 인간의 피드백을 기반으로 조정하도록 모델을 가르치면서 AI 개발을 흔들었다. 감독 학습 기초가 보상 기반 업데이트와 혼합되어 더 안전하고 정확하며 진정으로 도움을줍니다.

Let 's Dance : 인간 신경 그물을 미세 조정하기위한 구조화 된 움직임Let 's Dance : 인간 신경 그물을 미세 조정하기위한 구조화 된 움직임Apr 27, 2025 am 11:09 AM

과학자들은 C. el 그러나 중요한 질문이 발생합니다. 새로운 AI S와 함께 효과적으로 작동하도록 우리 자신의 신경망을 어떻게 조정합니까?

See all articles

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

뜨거운 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

mPDF

mPDF

mPDF는 UTF-8로 인코딩된 HTML에서 PDF 파일을 생성할 수 있는 PHP 라이브러리입니다. 원저자인 Ian Back은 자신의 웹 사이트에서 "즉시" PDF 파일을 출력하고 다양한 언어를 처리하기 위해 mPDF를 작성했습니다. HTML2FPDF와 같은 원본 스크립트보다 유니코드 글꼴을 사용할 때 속도가 느리고 더 큰 파일을 생성하지만 CSS 스타일 등을 지원하고 많은 개선 사항이 있습니다. RTL(아랍어, 히브리어), CJK(중국어, 일본어, 한국어)를 포함한 거의 모든 언어를 지원합니다. 중첩된 블록 수준 요소(예: P, DIV)를 지원합니다.

DVWA

DVWA

DVWA(Damn Vulnerable Web App)는 매우 취약한 PHP/MySQL 웹 애플리케이션입니다. 주요 목표는 보안 전문가가 법적 환경에서 자신의 기술과 도구를 테스트하고, 웹 개발자가 웹 응용 프로그램 보안 프로세스를 더 잘 이해할 수 있도록 돕고, 교사/학생이 교실 환경 웹 응용 프로그램에서 가르치고 배울 수 있도록 돕는 것입니다. 보안. DVWA의 목표는 다양한 난이도의 간단하고 간단한 인터페이스를 통해 가장 일반적인 웹 취약점 중 일부를 연습하는 것입니다. 이 소프트웨어는

Eclipse용 SAP NetWeaver 서버 어댑터

Eclipse용 SAP NetWeaver 서버 어댑터

Eclipse를 SAP NetWeaver 애플리케이션 서버와 통합합니다.

VSCode Windows 64비트 다운로드

VSCode Windows 64비트 다운로드

Microsoft에서 출시한 강력한 무료 IDE 편집기