В России нашли способ сделать обучение искусственного интеллекта быстрее и экономич-нее
Вместо гигабайтов памяти требуются всего сотни килобайт, а время донастройки сокраща-ется в разы
В России исследователи лаборатории T-Bank AI Research разработали метод, который позволяет улучшать логические способности языковых моделей без дорогостоящего переобучения. Вместо переработки миллиардов параметров специалисты добавляют к уже готовой нейросети компактные «векторы-настройки» — небольшие элементы, которые корректируют работу ИИ и усиливают его способность рассуждать.
Экономия без потери качества
Это резко снижает затраты ресурсов: вместо гигабайтов памяти требуются всего сотни килобайт, а время донастройки сокращается в разы. При этом качество решений не ухудшается — модели сохраняют точность, но становятся более гибкими и энергоэффективными.
Метод уже испытан на системах Qwen2.5 и LLaMA3, которые применяются для решения логических и математических задач. Учёные также отметили, что новый способ помогает лучше понимать, как именно ИИ приходит к тому или иному выводу, делая процесс рассуждения более понятным.
Лёгкие модели ИИ
Технология открывает путь к созданию «лёгких» моделей искусственного интеллекта, которые можно внедрять в бизнес-приложения и исследовательские проекты без больших вычислительных затрат. Это шаг к более доступному, экологичному и рациональному ИИ — когда мощность не требует гигантских серверов, а умение рассуждать становится стандартом.
