AI热榜 随着法学硕士变得越来越强大，幻觉已被证明很难避免。
即使是最聪明的模型也会出现错误，尽管有多种方法可以捕获这些错误，但业界仍在寻找最佳方法。
大概 刚刚从 Andreessen Horowitz 筹集了 900 万美元种子资金，该公司正在尝试建立一种更严格的方法来发现这些错误。
正如创始人 Peter Elias（如上图所示）所说，该公司的目标是防止用户产生幻觉和简单的事实错误，并实现 99.99% 的准确率，这在确定性系统中很常见，但人工智能更难以达到。
事实证明，要将法学硕士提高到这种准确性水平，需要重新思考人工智能工程的许多基本假设。
可能的第一个产品是一个数据科学工具，旨在从复杂的数据集中快速生成答案。
每个结果都附有引文和对其开发方式的审计跟踪，这是人工智能工具中越来越常见的做法。
但要防止错误渗透到这些摘要中，需要一个精心设计的安全带系统，埃利亚斯将其描述为“数据科学机甲套装”。
LLM 的首次通过答案将根据确定性验证器系统进行检查，该系统会返回任何与数据集不匹配的结果。
该公司表示，至关重要的是，法学硕士已经针对验证器进行了培训，并且整个系统都针对快速、准确的答案进行了优化。
“我们在构建此模型时了解到，线束工程越好，模型就越弱，”埃利亚斯说。
“如果你能够充分细化上下文，模型就不必非常努力地做正确的事情。
基本上，这是减少歧义的一种练习。
” 这使得 Maybe 的数据科学工具可以在小得多的人工智能模型上运行。
埃利亚斯表示，当前版本运行的模型“比前沿模型弱四级”，这意味着它可以在本地硬件（即台式计算机而不是数据中心）上运行，这减少了与人工智能使用相关的大量代币成本。
在代币成本不断上涨且许多客户都在犹豫不决的情况下，这是一个受欢迎的想法 重新评估他们的人工智能预算
🔗 原始来源
如果你要核对细节，可以再看原文： TechCrunch AI原文链接