За даними ChainCatcher, дослідники Dwarkesh Patel і Jerry Han опублікували дослідження 8 вересня 2026 року, у якому проаналізували внесок покращень даних і моделі в підвищення ефективності попереднього навчання в період із 2019 до 2025 року. За бюджету обчислень 1e19 FLOPs покращення даних забезпечили 12,0-кратне підвищення обчислювальної ефективності, тоді як покращення моделі — 3,7-кратне, тож покращення даних були приблизно у 3,24 раза впливовішими за покращення на боці моделі. Дослідження показує, що покращення даних і моделі значною мірою незалежні, а їхні сукупні адитивні ефекти пояснюють 88% дисперсії оцінок OLMES. Еволюція даних відбувалася від OpenWebText із приблизно 9 мільярдами токенів у 2019 році до більших і ретельніше відфільтрованих корпусів, як-от UltraFineWeb, у 2025 році.

Переглянути джерело

Застереження: інформація на цій сторінці може походити зі сторонніх джерел і надається виключно для ознайомлення. Вона не відображає позицію чи думку Gate і не є фінансовою, інвестиційною чи юридичною консультацією. Торгівля віртуальними активами пов’язана з високим ризиком. Будь ласка, не покладайтеся лише на інформацію з цієї сторінки під час прийняття рішень. Детальніше дивіться у Застереженні.

Пов’язані новини

09-09 08:34

Немає доказів стабільної прибутковості торгівлі криптовалютами за допомогою ШІ, виявило дослідження

09-09 07:56

Міноборони США вимагало від OpenAI розробити ШІ з мінімальним рівнем відмов для військових командувань у контракті $200M 2025

09-09 07:30

DeepSeek запустить V4.1 Flash 10 вересня, заявивши про повну перевагу за продуктивністю над V4 Pro

09-09 06:01

Oracle планує багаторічне розгортання HPE Juniper Networking у центрах обробки даних для ШІ

09-08 23:59

DeepSeek знизить ціни на API моделей серії Flash до 60% 10 вересня

Поглиблений аналіз