决策模型的崛起:基于数据的定制化会成为下一个趋势吗?
人工智能领域正在经历一场显著的变革,决策模型(Decision Models)在智能计算任务中占据了越来越大的份额。根据 Vercel 平台的数据,10 月份此类模型的请求量超过了总请求量的四分之一,这反映出人们越来越倾向于使用旨在从预定义选项中快速做出选择的工具,而不是生成长文本。
什么是决策模型?
这些模型与传统的大型语言模型(LLMs)不同,它们不产生文本输出,而是专注于利用其通用智能做出即时且低成本的决策,同时提供所做决策的置信度指标。这些特性在需要超快响应速度且优于大型慢速模型准确性的生产环境中至关重要。
竞争格局
TypeSafe 公司的“Jev”系列模型在该领域占据主导地位,仅在一周内就处理了超过 15 亿次查询。然而,大型科技公司(超大规模云服务商)也已强势进入竞争,微软宣布通过 Azure 平台发布其自有模型 Microsoft-Decision-1.1。
与此同时,初创公司也成为该领域的核心参与者;英国 Sqwish 公司宣布获得 300 万美元融资,用于开发其 kettei fat 模型,重点在于提供允许用户使用自身数据训练模型以提高判断准确性的工具。
为什么这个消息很重要?
实地测试证实,在真实工作环境中,过度依赖性能基准(Benchmarks)可能会产生误导。来自微软的阿钦特·斯里瓦斯塔瓦(Achint Srivastava)等专家指出,真正的挑战在于平衡四个维度:准确性、可靠性、速度和成本效率。
实际发生了什么变化?
重点正从单纯构建通用模型转向提供允许企业使用自身数据定制模型(训练后工具)的工具。这一趋势赋予了企业竞争优势,因为模型在用户关心的特定任务上变得更加熟练,从而减少了这些技术沦为普通数字商品(Commodity)的可能性。
观察人士预计,未来将见证“系统一智能”(快速决策模型)与“系统二智能”(复杂大型语言模型)之间的整合,这些系统将协同工作,提供集成的技术解决方案。