Kapitel 10. Schlauer , besser, schneller, stärker: Optimierung von LLMs und KI-Agenten
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Wie du in „ “ im Laufe des Buches gesehen hast, sind Transformer Generalisten. Sie können Text generieren, Musik komponieren, Code schreiben und Bilder erstellen oder klassifizieren. Du hast gelernt, dass End-to-End-Reinforcement-Learning in Kombination mit einer Gedankenkette internes Schlussfolgern anregen und Modellen helfen kann, komplexere Probleme zu lösen. Du hast auch verstanden, dass das Aufteilen von Problemen in Teilprobleme und die Zusammenarbeit von Sprachmodellen in einem Multi-Agenten-System diese zu robusten Werkzeugen für anspruchsvolle Aufgaben machen kann.
Doch mit zunehmender Komplexität der Aufgaben reichen diese Fähigkeiten nicht mehr aus. Erweiterte Schlussfolgerungen, mehrstufige Entscheidungsfindung und produktionsreife Zuverlässigkeit decken Schwachstellen auf. Ohne Optimierung können selbst die größten Modelle oder die fortschrittlichsten agentenbasierten Systeme Probleme mit schwierigen Schlussfolgerungsketten haben, Rechenleistung für triviale Probleme verschwenden oder bei realen Einsätzen fehlschlagen.
Optimierung ist das fehlende Puzzlestück. Wenn man darüber nachdenkt: Weltklasse-Sportler verlassen sich nicht allein auf Talent oder regelmäßiges Training. Sie sind auf ein Ökosystem angewiesen, das gezieltes Training, Erholung, Ernährung ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access