机构名称：
¥ 2.0
与经典的机器学习（ML）模型相比，生成模型提供了一种新的用法范式，其中（i）可以将单个模型用于许多不同的任务； （ii）用户在一系列自然语言提示中与该模型进行交互； （iii）根据模型输出对二进制用户满意度进行了理想评估模型。鉴于这些特征，我们探讨了新生成AI软件开发人员如何释放和定价其技术的问题。我们首先对用户成本效益的特定任务进行了两个不同模型的比较。然后，我们将生成AI软件的定价问题建模为两家不同公司之间的游戏，他们在用户为每个任务选择其首选模型之前依次发布其模型。在这里，价格优化问题变成了分段连续的，公司必须选择要在其余任务上具有成本效益并放弃收入的任务子集。尤其是，我们通过表明一家在知道竞争对手的价格后稍后部署的公司可以始终在至少一项任务上确保成本效益，而该公司必须以第一个到市场的方式确保成本效益，而该公司必须以最早的市场为模型以促进更高的价格从上后期获得较高的价格来获得收入来获得收入。最重要的是，我们发现，如果不同的任务足够相似，那么无论该技术的定价如何，第一到市场模型都可能在所有任务上都具有成本支持。
定价和生成AI
主要关键词
相关文件推荐
