Прозрачность в фондовых моделях: следующий шаг в индексе прозрачности фондовых моделей (FMTI)

 Transparency in Foundation Models: The Next Step in Foundation Model Transparency Index FMTI

Прозрачность в фондовых моделях: следующий шаг в индексе прозрачности фондовых моделей FMTI

Фондовые модели играют центральную роль в влиянии искусственного интеллекта на экономику и общество. Прозрачность является ключевым элементом для ответственности, конкуренции и понимания, особенно в отношении данных, используемых в этих моделях. Правительства принимают регулятивные акты, такие как Закон ЕС об искусственном интеллекте и Закон США о прозрачности фондовых моделей ИИ, чтобы повысить прозрачность. Индекс прозрачности фондовых моделей (FMTI), представленный в 2023 году, оценивает прозрачность у 10 основных разработчиков (например, OpenAI, Google, Meta) с использованием 100 показателей. Начальная версия FMTI v1.0 показала значительную непрозрачность, со средним баллом 37 из 100, но также отметила изменчивость в раскрытии информации.

Индекс прозрачности фондовых моделей (FMTI) – ключевые моменты

В октябре 2023 года был представлен Индекс прозрачности фондовых моделей (FMTI), концептуализирующий прозрачность через иерархическую таксономию, соотнесенную с цепочкой поставок фондовых моделей. Эта таксономия включает три основных домена: начальные ресурсы, сама модель и ее последующее использование, охватывающие 23 поддомена и 100 двоичных показателей прозрачности. FMTI v1.0 выявил широкое распространение непрозрачности среди 10 оцениваемых компаний, при этом лучшие баллы достигали всего лишь 54 из 100. Открытые разработчики моделей показывали более высокие результаты, чем закрытые. Индекс направлен на отслеживание изменений со временем, поощряя прозрачность через публичное и стейкхолдерское давление, как это продемонстрировано историческими индексами, такими как Индекс человеческого развития и Индекс прав цифровых технологий 2018 года.

Исследователи из Стэнфордского университета, Массачусетского технологического института и Принстонского университета представили последующее исследование (FMTI v1.1) для оценки эволюции прозрачности в фондовых моделях за шесть месяцев, сохраняя 100 первоначальных показателей прозрачности. В исследовании приняли участие 14 разработчиков, раскрыв новую информацию для 16,6 показателей в среднем.

FMTI v1.1 включает четыре этапа: выбор показателей, выбор разработчиков, сбор информации и оценка. 100 показателей из FMTI v1.0 охватывают три домена: начальные ресурсы, сама модель и ее последующее использование. Четырнадцать разработчиков, включая восемь из v1.0, представили отчеты о прозрачности для своих флагманских моделей. Сбор информации перешел от публичных поисков к прямым представлениям разработчиков, обеспечивая полноту и ясность. Оценка включала независимую оценку каждого разработчика и последующий итерационный процесс опровержения. Этот подход улучшил прозрачность, позволяя разработчикам предоставлять дополнительную информацию и снижая усилия исследователей.

Результаты исследования

В рамках оценки 14 разработчиков представили отчеты о прозрачности по 100 показателям для своих флагманских моделей. Начальные баллы существенно различались, при этом 11 из 14 разработчиков набрали менее 65 баллов, что указывает на потенциал для улучшения. Средние и медианные баллы составили 57,93 и 57 соответственно, со стандартным отклонением 13,98. Разработчик с наивысшим баллом набрал 85 из 100 показателей, в то время как разработчик с наименьшим баллом набрал 33. Разработчики раскрыли значительную новую информацию, улучшив баллы прозрачности в среднем на 14,2 пункта. Прозрачность была наивысшей в области последующего использования и наименьшей в области начальных ресурсов, при этом открытые разработчики в целом превосходили закрытых. Прозрачность улучшилась во всех областях по сравнению с предыдущей версией.

Общественное воздействие фондовых моделей

Влияние фондовых моделей на общество растет, привлекая внимание различных заинтересованных сторон. Индекс прозрачности фондовых моделей показывает, что прозрачность в этой экосистеме нуждается в улучшении, хотя с октября 2023 года произошли положительные изменения. Анализируя раскрытия разработчиков, Индекс помогает заинтересованным сторонам принимать обоснованные решения. Установление отчетности о прозрачности для фондовых моделей предоставляет ценный ресурс для разработчиков, исследователей и журналистов для улучшения общего понимания.

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Создание индивидуального клиента MCP с использованием Gemini

    Создание клиентского приложения Model Context Protocol (MCP) с использованием Gemini Практические бизнес-решения Создание клиентского приложения MCP с использованием Gemini позволяет интегрировать искусственный интеллект в бизнес-процессы. Это улучшает взаимодействие с клиентами, оптимизирует рабочие процессы…

  • Улучшение многомодального обучения: рамки UniME

    Введение в многомодальное представление данных Многомодальное представление данных – это новая область в искусственном интеллекте, которая объединяет различные типы данных, такие как текст и изображения, для создания более полных и точных моделей. Один…

  • Модель THINKPRM: Преобразование бизнеса с помощью ИИ

    Преобразование бизнеса с помощью ИИ: Модель THINKPRM Введение в THINKPRM Модель THINKPRM (Generative Process Reward Model) представляет собой значительное достижение в верификации процессов рассуждения с использованием искусственного интеллекта. Эта модель повышает эффективность и…

  • Улучшение бизнеса с помощью разговорного ИИ

    “`html Улучшение бизнеса с помощью разговорного ИИ Введение в вызов функций в разговорном ИИ Вызов функций — это мощная возможность, которая позволяет большим языковым моделям (LLM) связывать естественные языковые запросы с реальными приложениями,…

  • VERSA: Инновационный инструмент для оценки аудиосигналов

    Введение в VERSA: Современный инструмент для оценки аудио Команда WAVLab представила VERSA, инновационный и комплексный набор инструментов для оценки речи, аудио и музыкальных сигналов. С развитием искусственного интеллекта, который генерирует аудио, необходимость в…

  • Alibaba Qwen3: Новое Поколение Языковых Моделей

    Введение в Qwen3: Новая эра в больших языковых моделях Команда Alibaba Qwen недавно представила Qwen3, последнее достижение в серии больших языковых моделей (LLMs). Qwen3 предлагает новый набор моделей, оптимизированных для различных приложений, включая…

  • ViSMaP: Инновационное решение для автоматизации суммирования длинных видео

    Преобразование видео: ViSMaP ViSMaP представляет собой инновационный подход к обобщению длинных видео без необходимости в дорогих аннотациях. Это решение может значительно улучшить бизнес и повседневную жизнь, а именно: Преимущества ViSMaP Сокращение временных затрат…

  • Эффективное управление контекстом для больших языковых моделей

    Модель Контекстного Протокола: Улучшение Взаимодействия с ИИ Введение Эффективное управление контекстом является ключевым при использовании больших языковых моделей (LLMs). Этот документ предлагает практическую реализацию Модели Контекстного Протокола (MCP), сосредоточенную на семантическом делении, динамическом…

  • Запуск DeepWiki: ИИ-инструмент для понимания репозиториев GitHub

    Введение в DeepWiki Devin AI представил DeepWiki — бесплатный инструмент, который генерирует структурированную документацию для репозиториев GitHub. Этот инновационный инструмент упрощает понимание сложных кодовых баз, что облегчает жизнь разработчикам, работающим с незнакомыми проектами.…

  • Эффективные модели Tina для улучшения обучения с подкреплением

    Введение Современные бизнесы сталкиваются с вызовами в области многослойного рассуждения, особенно в научных исследованиях и стратегическом планировании. Традиционные методы, такие как узконаправленное обучение, требуют значительных затрат и могут приводить к поверхностному обучению. Однако…

  • FlowReasoner: Персонализированный Мета-Агент для Многоагентных Систем

    Введение в FlowReasoner Недавние достижения в области искусственного интеллекта привели к разработке FlowReasoner, мета-агента, который автоматизирует создание персонализированных многопользовательских систем, адаптированных к запросам пользователей. Это значительно повышает эффективность и масштабируемость. Проблемы в текущих…

  • Руководство Microsoft по режимам отказа в агентных системах ИИ

    Введение Понимание и управление рисками в системах агентного ИИ могут значительно улучшить бизнес-процессы и повысить доверие клиентов. Ниже представлены практические решения, которые помогут в этом. Практические бизнес-решения Создание надежных систем агентного ИИ требует…

  • Автономные пайплайны анализа данных с PraisonAI

    Создание полностью автономных потоков анализа данных с PraisonAI Введение В этом руководстве описывается, как бизнес может улучшить процессы анализа данных, перейдя от ручного кодирования к полностью автономным потокам данных, управляемым ИИ. Используя платформу…

  • QuaDMix: Инновационная Оптимизация Качества и Разнообразия Данных в AI

    Практические бизнес-решения с использованием QuaDMix Имплементация QuaDMix может существенно улучшить AI-приложения благодаря следующим ключевым аспектам: 1. Упрощение кураторства данных Используйте QuaDMix для поддержания высокого качества данных без жертвы разнообразием, что приведет к более…

  • Оптимизация методов масштабирования для повышения эффективности reasoning в языковых моделях

    “`html Оптимизация Производительности Размышлений в Языковых Моделях: Практические Бизнес-Решения Понимание Методов Масштабирования во Время Вывода Языковые модели могут выполнять множество задач, но часто сталкиваются с трудностями при сложном размышлении. Методы масштабирования вычислений во…

  • Интеграция API Gemini с агентами LangGraph для оптимизации рабочих процессов ИИ

    Улучшение рабочих процессов с помощью интеграции Arcade и Gemini API Этот документ описывает, как преобразовать статические разговорные интерфейсы в динамичных, действующих ИИ-ассистентов с использованием Arcade и Gemini Developer API. Используя набор готовых инструментов,…

  • СоциоВерс: Революционная Модель Социальной Симуляции на Основе LLM

    Использование ИИ для Социальной Симуляции: Инициатива SocioVerse Введение в SocioVerse Исследователи из Университета Фудань разработали SocioVerse, инновационную модель мира, использующую агентов на основе больших языковых моделей (LLM) для симуляции социальных динамик. Эта модель…

  • Токен-Шаффл: Революция в генерации высококачественных изображений с помощью трансформеров

    Введение в Token-Shuffle Meta AI представила инновационный метод, известный как Token-Shuffle, который повышает эффективность генерации изображений в авторегрессионных (AR) моделях. Этот подход решает вычислительные задачи, связанные с созданием изображений высокого разрешения, что может…