详细内容或原文请订阅后点击阅览
新型 AI 使用全新的推理方法 — 研究人员表示，其运行成本比领先的 OpenAI 模型低 11 倍
科学家表示，一种新的基于矢量的认知方法比标准方法便宜得多，这标志着人工智能模型“后变形金刚”时代的开始。
来源:LiveScience一种新的人工智能 (AI) 模型使用了一种新颖的 AI 认知方法来大幅降低请求成本，这表明非语言推理可能是机器开发类人智能的下一步。
在 8 月 10 日在预印本服务器 arXiv 上发表的一篇新研究论文中，人工智能公司 Pathway 的科学家详细介绍了其新 BDH-CQ 模型的技术基础。这是科学家们在 2025 年创建的一个名为“龙幼体”的先驱模型，该模型旨在准确模拟学习过程中大脑中的神经元如何连接和强化。
在这项新研究中，科学家们描述了他们如何根据 2019 年基本基准评估 BDH-CQ 的性能，该基准帮助制定了衡量通用人工智能 (AGI) 进展的当前标准，即人工智能在所有领域都达到或超过人类能力的水平。
Live Science 的最新视频
2019 年基准测试称为 ARC-AGI，它使用非语言推理谜题（例如旋转一系列形状来完成一个序列）来衡量人工智能系统的认知能力。尽管人类非常擅长通过反复试验来推断此类谜题的规则，但早期的人工智能系统在历史上的技能却要低得多。
BDH-CQ 在 ARC-AGI-1 基准测试中得分近 30%，在两次或更少的尝试中成功解决了相当于十分之三的谜题。尽管许多模型在此测试中取得了明显更好的分数，但 BDH-CQ 所基于的底层推理方法使其尺寸和使用成本显着小于基于传统 Transformer 架构构建的模型。
不只是表面上看到的
将世界上最迷人的发现直接发送到您的收件箱。
然而，研究人员表示，这些结果还意味着，当扩展到更大的参数大小时，模型的认知能力可以显着扩展。