基于企业用例的 LLM 评估
生成式 AI 评估策略继续阅读 Towards Data Science »
来源:走向数据科学基于企业用例的 LLM 评估
基于企业用例的 LLM 评估
生成式 AI 评估策略
简介
我们正处于生成式 AI 采用之旅的关键时刻，我们开始听到关于 Gen AI 变革潜力的相互矛盾的观点。
大型语言模型 (LLM) 提供商，例如 Open AI、Mistral、Google、Meta 等，正在推出一个又一个 LLM — 每次迭代都比前一次更小、更高效。但这些都是通用的预训练 LLM，没有明确的业务用例，或者说，特定业务用例仍需要在这些基础 LLM 之上开发。因此，这些 LLM 只是一个推动因素，而不是衡量业务影响的指标。当然，我们确实有超大规模企业和技术供应商吹嘘他们已经实施的数百（或数千）个基于 LLM 的用例，这些用例具有量化的业务价值。
另一方面，我们看到企业/专家开始对 Gen AI 持更“悲观”的看法。例如，高盛最近的报告就是一个很好的例子。标题为 Gen AI：花费太多，收益太少？是不言自明的，我不会详细阐述——可以说，虽然没有人否认 Gen AI 的未来潜力，但他们没有看到 Gen AI（截至目前）解决任何复杂问题……
Gen AI：花费太多，收益太少？