Нейросети научились просить о помощи для повышения своей эффективности
34
Исследователи из Калифорнийского университета в Сан-Диего и Университета Цинхуа научили нейросеть оценивать свою уверенность в ответах и обращаться за помощью, только если это необходимо.
Для реализации подхода команда применила двухэтапное обучение. На первом этапе, названном «Дистилляцией знаний», LLM учится выполнять задачи, используя внешние инструменты, чтобы накопить экспертные данные. На втором этапе, «Адаптации инструментов», модель классифицирует задачи по уровню сложности и определяет степень уверенности, с которой способна справиться самостоятельно, без дополнительных ресурсов.
Испытания показали, что модель с 8 миллиардами параметров повысила точность на 28,18%, что продемонстрировало: увеличение размеров модели не всегда ведёт к лучшим результатам. Исследователи подчеркивают, что их метод позволяет создавать более эффективные языковые модели без наращивания масштабов.
