นักวิจัยเปิดตัว Mini-AGI โมเดลภาษาที่ฝึกต่อเนื่องได้โดยไม่ลืมข้อมูลเดิม ใช้ GPU 8GB ฝึกได้ทั้งหมดจากข้อมูลที่อ่าน ต่างจากโมเดลทั่วไปที่ต้องถูกแช่แข็งหลังฝึก โมเดลนี้เก็บน้ำหนักในฮาร์ดดิสก์แล้วโหลดมาใช้ตามต้องการ ทำให้ปริมาณข้อมูลไม่จำกัดโดย VRAM แต่ขึ้นกับพื้นที่จัดเก็บ ผู้ใช้สามารถฝึกโมเดลเองได้โดยไม่ต้องพึ่งพาบริษัทใหญ่ ข้อจำกัดคือต้องใช้ GPU 8GB ขึ้นไป โมเดลจะเติบโตเมื่อต้องการ ตัดส่วนที่ไม่ใช้ และอัปเดตตัวเองตลอดเวลา ทำให้เป็นโมเดลส่วนตัวที่เรียนรู้ต่อเนื่องจากข้อมูลที่ใช้งานจริง ตัวอย่างการฝึกแสดงให้เห็นว่าโมเดลใช้การประมวลผลข้อมูลแบบต่อเนื่อง ไม่ต้องแยกขั้นตอนฝึกและใช้งาน โครงสร้างเครือข่ายประสาทออกแบบมาให้ปรับตัวได้ทันที ไม่เกิดการลืมข้อมูลเก่า ซึ่งเป็นความท้าทายหลักในโมเดลภาษาทั่วไป โมเดลยังไม่พร้อมใช้งานเต็มที่ แต่แสดงให้เห็นว่าการฝึกโมเดลต่อเนื่องบนฮาร์ดแวร์ธรรมดาเป็นไปได้ ทำให้ผู้ใช้สามารถสร้างหรือต่อเนื่องฝึกโมเดลได้ตามความต้องการ ไม่ต้องพึ่งพาทรัพยากรขนาดใหญ่
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว