Salesforce推出了一款突破性的人工智能模型xLAM-1B，可能会重新定义设备端AI的格局。这款被称为“微型巨人”的模型仅有10亿个参数，却在函数调用任务上超越了许多大型模型，领先于OpenAI和Anthropic等行业巨头。
这一引人注目的进展源自Salesforce AI研究团队创新的数据策划策略。他们开发了APIGen，这是一种自动化管道，旨在生成高质量、多样化且可验证的数据集，以用于训练AI模型进行函数调用场景。
研究人员指出：“我们证明了，即使是仅拥有70亿个参数的模型，使用我们策划的数据集，仍能在伯克利函数调用基准测试中达到业界领先水平，超越多个GPT-4模型。值得注意的是，我们的10亿参数模型超越了GPT-3.5 Turbo和Claude-3 Haiku。”
高效AI的力量
xLAM-1B模型的紧凑性对设备端应用尤为重要，因为大型模型在这些情况下变得不切实际。这一进步为企业AI带来了巨大的潜力，使其能够在智能手机和计算资源有限的设备上运行更强大、响应更迅速的AI助手。
该模型的卓越表现得益于其训练数据的质量和多样性。APIGen管道利用了673个可执行API，覆盖21个类别，每个数据点都经过严格的三阶段验证过程：格式检查、功能执行和语义验证。这种方法标志着AI开发策略的重大转变。尽管许多公司致力于打造更大型的模型，Salesforce则展示了优先关注数据质量能够带来更高效、更有效的AI系统。
挑战AI现状
这一突破的意义超出了Salesforce本身。通过证明更小、更高效的模型能够与大型模型竞争，Salesforce正在挑战AI行业的传统观念。这可能激励新的研究浪潮，专注于优化AI而非单纯扩大模型规模，有望减少通常需要的庞大计算资源。
此外，xLAM-1B的成功可能加速设备端AI应用的发展。当前许多复杂的AI功能依赖于云计算，因为模型规模和复杂性很大。如果像xLAM-1B这样的小型模型能够提供类似的能力，它们将使高效能的AI助手能够直接运行在用户设备上，提高响应速度，并缓解与基于云解决方案相关的隐私担忧。
研究团队已公开提供了60,000个高质量函数调用示例的数据集，以促进该领域的进一步探索。他们表示：“通过提供这个数据集，我们希望惠及研究社区，并鼓励未来的进步。”
开创设备端AI的未来
Salesforce首席执行官Marc Benioff在推特上赞扬了这一成就，强调了“设备端自主AI”的潜力。这一发展可能在AI领域的巨大变革，提出了一个观点，即大型模型并不一定优越，同时为资源受限环境中的创新AI应用开辟了道路。
这一进展的影响超出了Salesforce当前的产品。随着边缘计算和物联网设备的日益普及，对强大设备端AI的需求将不断增长。xLAM-1B模型的成功可能会催生一种新的发展趋势，将重点放在针对特定任务优化的高效模型上，逐步远离传统的单体结构。这一演变可能培育出一个分布式AI生态系统，专门模型在设备网络间协作，提供更加有效、灵活且注重隐私的AI服务。
此外，这一进展可能有助于普及AI能力，使小型企业和开发者无需大量计算资源便能创建复杂应用。这也有助于降低AI对环境的影响，因为小型模型在训练和运作时所需的能量显著减少。
随着行业对Salesforce突破的影响进行评估，一点是显而易见的：在AI领域，即使是小型模型也能挑战并可能超越大型竞争者。未来的AI或许不仅存在于云端，它可能就在你的掌中。
排行榜
