BOSS Zhipin lanza un modelo de agente 3B con una pila de transformadores reutilizada
El modelo Apache-2.0 utiliza un Looped Transformer de dos pasadas y fue entrenado con 28 billones de tokens para flujos de trabajo de codificación, ofimática y herramientas.
By Ryan Merket · Published
Primary source: X
Por qué importa
BOSS Zhipin está utilizando los ingresos por reclutamiento y la experiencia en flujos de trabajo internos para competir en modelos de agentes generales. Si los resultados de Nanbeige se mantienen fuera de sus propias pruebas, las startups podrían ejecutar agentes útiles para codificación y oficina con una huella de memoria mucho más pequeña.
Nanbeige LLM Lab, el grupo de investigación en IA dentro de la plataforma china de reclutamiento BOSS Zhipin, lanzó un modelo de agente compacto el 24 de julio que utiliza las mismas capas de transformer dos veces para aumentar su profundidad efectiva sin añadir parámetros.…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.