Команда из ByteDance, владельца TikTok, и нескольких американских университетов предложила сократить обучение ИИ-агентов до трёх этапов. Исследователи оспаривают необходимость длинных цепочек обучения: по их мнению, за множеством последовательных шагов уже трудно понять, какие из них действительно улучшают результат.
Какие задачи хотят упростить исследователи
Речь об обучении ИИ для самостоятельного поиска в интернете, запуска кода и решения задач из нескольких шагов. Такие системы называют агентами: от них ждут не только текстового ответа, но и последовательности действий. Базовое понятие, на котором строится эта тема, разбираем в простом объяснении больших языковых моделей.
Авторы работы описывают проблему разработки: методы подготовки таких систем становятся всё сложнее, а разработчики добавляют один этап обучения за другим. По оценке исследователей, выделить пользу отдельного этапа становится почти невозможно, а повторение чужой работы обходится всё дороже. Это позиция авторов, а не установленный вывод обо всех ИИ-моделях.
Что заявлено и чего пока не хватает для оценки
Команда намерена показать, что достаточно трёх этапов. Сообщение об исследовании также связывает этот тезис с конкурентоспособной открытой моделью. Однако в доступном описании нет её названия, результатов сравнительных испытаний или подробностей о каждом из трёх шагов. Поэтому перечислить убранные этапы или проверить преимущество модели по этим сведениям нельзя.
Не раскрыты и условия использования модели. Слово «открытая» само по себе не сообщает, какое оборудование потребуется для запуска и какие права даёт лицензия. Размер экономии на обучении также не указан.
Как читать этот результат
Смысл предложения — проверить необходимость этапов обучения, а не считать более длинную цепочку заведомо лучшей. Но три этапа здесь — тезис конкретной команды для подготовки агентов, а не универсальная инструкция по созданию любого ИИ.
Для пользователя новость пока не означает появления более дешёвого сервиса или гарантированно более надёжного помощника. Чтобы судить о практической пользе подхода, нужны подробная схема обучения, сопоставимые результаты испытаний и условия использования модели. В доступном описании этих данных нет.