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 сервера MCP для анализа финансовых данных в реальном времени

    Построение сервера контекстного протокола модели (MCP) Решение для реальных финансовых данных Создание сервера MCP для получения актуальной информации о фондовом рынке поможет вашей компании принимать обоснованные решения на основе данных в реальном времени.…

  • Квантование весов для эффективных моделей глубокого обучения

    Улучшение Эффективности в Глубоком Обучении через Квантование Весов Введение Оптимизация моделей глубокого обучения для работы в условиях ограниченных ресурсов становится всё более важной. Квантование весов — ключевая техника, позволяющая уменьшить точность параметров модели…

  • NVIDIA UltraLong-8B: Революция в языковых моделях для бизнеса

    Введение в UltraLong-8B NVIDIA недавно запустила серию UltraLong-8B, новые языковые модели, способные обрабатывать обширные текстовые последовательности до 4 миллионов токенов. Это решение помогает преодолеть значительные проблемы, с которыми сталкиваются большие языковые модели (LLMs),…

  • Конвертация текста в высококачественный аудио с помощью Open Source TTS

    Руководство по высококачественному преобразованию текста в аудио с использованием TTS с открытым исходным кодом Практические бизнес-решения Использование технологии TTS (text-to-speech) может значительно улучшить взаимодействие с клиентами и повысить эффективность работы. Вот несколько решений:…

  • AMIE: Инновационное Решение для Оптимизации Диагностического Мышления

    Оптимизация Диагностического Мышления с помощью ИИ: Решение AMIE Введение в AMIE Google AI представил Articulate Medical Intelligence Explorer (AMIE) – крупную языковую модель, специально разработанную для улучшения диагностического мышления в клинических условиях. Этот…

  • Создание системы рекомендаций на основе нейронного коллаборативного фильтрации с использованием PyTorch

    Практические бизнес-решения для системы рекомендаций Введение Система рекомендаций на основе нейронного коллаборативного фильтрации (NCF) может значительно улучшить пользовательский опыт и увеличить продажи. Использование NCF позволяет глубже понять взаимодействия между пользователями и товарами, что…

  • Запуск Kimi-VL: Революционная Модель Для Мультимодального ИИ

    Преобразование бизнеса с помощью Kimi-VL от Moonsight AI Moonsight AI представила Kimi-VL, инновационную модель, которая улучшает возможности искусственного интеллекта в обработке и анализе различных форматов данных, таких как изображения, текст и видео. Эта…

  • OLMoTrace: Увеличение прозрачности в языковых моделях

    OLMoTrace: Повышение Прозрачности Языковых Моделей Введение в OLMoTrace OLMoTrace — это инновационный инструмент от Allen Institute for AI, позволяющий компаниям отслеживать результаты больших языковых моделей (LLMs) в реальном времени. Понимание процессов принятия решений…

  • Debug-Gym: Новый подход к отладке с использованием ИИ

    Преобразование вашего бизнеса с помощью ИИ Изучите, как искусственный интеллект может преобразовать ваши бизнес-процессы. Вот несколько практических решений на основе инструментов от Microsoft, таких как Debug-Gym, которые могут улучшить бизнес и реальную жизнь.…

  • Новые горизонты многомодального ИИ: VLM2VEC и MMEB от Salesforce

    Понимание VLM2VEC и MMEB: Новая эра в мультимодальном ИИ Введение в мультимодальные эмбеддинги Мультимодальные эмбеддинги интегрируют визуальные и текстовые данные, позволяя системам интерпретировать и связывать изображения и язык. Эта технология важна для различных…

  • Революционный метод HIGGS: Доступность больших языковых моделей для всех

    Практические бизнес-решения с HIGGS Введение в HIGGS Недавние достижения в сфере искусственного интеллекта привели к разработке метода HIGGS, который позволяет эффективно сжимать большие языковые модели (LLM). Это даёт возможность организациям разрабатывать мощные AI-модели…

  • NVIDIA Llama-3.1-Nemotron-Ultra: Прорыв в ИИ для бизнеса

    NVIDIA Llama-3.1-Nemotron-Ultra: Преобразование бизнеса с помощью ИИ С внедрением искусственного интеллекта (ИИ) в бизнес-процессы, компании сталкиваются с необходимостью оптимизации затрат и повышения эффективности. Модель Llama-3.1-Nemotron-Ultra от NVIDIA предлагает решения для этих задач. Преимущества…

  • Сбалансированность точности и эффективности в языковых моделях

    Введение Недавние достижения в области больших языковых моделей (LLMs) значительно улучшили их способности к рассуждению. Использование методов обучения с подкреплением (RL) для дообучения моделей позволяет повысить как точность, так и эффективность. Понимание двухфазного…

  • Оценка способности рассуждения в больших языковых моделях: ограничения и бизнес-решения

    Понимание Ограничений Больших Языковых Моделей Введение С быстрым развитием Больших Языковых Моделей (БЯМ) многие считают, что мы на пороге достижения Искусственного Общего Интеллекта (ИОИ). Однако, несмотря на их впечатляющие способности, БЯМ часто сталкиваются…

  • Полное руководство по работе с CSV/Excel файлами и EDA в Python

    Практические бизнес-решения с использованием ИИ Введение Анализ данных является ключевым элементом в современном бизнесе. Использование Python для работы с CSV и Excel файлами позволяет извлекать ценные инсайты из данных, что может значительно улучшить…

  • Запуск DeepCoder-14B-Preview: Открытая модель для кодирования с высокой точностью

    Введение Современные технологии требуют умных решений для автоматизации программирования. Модель DeepCoder-14B-Preview от Together AI предлагает новые возможности для бизнеса, повышая производительность разработчиков. Как DeepCoder-14B-Preview улучшает бизнес Использование DeepCoder может трансформировать ваши бизнес-процессы, улучшая…

  • Революция в аудиорешениях для бизнеса: Higgs Audio от Boson AI

    Преобразование Операций Предприятия с Решениями Higgs Audio Введение В современном бизнесе, особенно в таких секторах, как страхование и поддержка клиентов, аудиоданные являются важным активом. Boson AI представила два инновационных решения — Higgs Audio…

  • Инновации в MLOps: Опыт Хамзы Тахира и ZenML

    Практические бизнес-решения для трансформации MLOps Введение Используя опыт Хамзы Тахира и платформу ZenML, компании могут оптимизировать свои процессы разработки машинного обучения (ML) и получить значительные преимущества. Ниже представлены шаги для внедрения этих решений.…