Исследователи из России разработали новый алгоритм итеративной оптимизации, который ускорит тонкую подстройку гиперпараметров в системах искусственного интеллекта (ИИ) и значительно уменьшит число шагов, необходимых для оптимизации работы этих ИИ-моделей. Об этом сообщила пресс-служба Сбера.
"С помощью такого подхода можно оптимизировать двухэтапные процедуры, когда на первом этапе обучается нейронная сеть для извлечения численных представлений данных, которые обеспечивают максимальную точность классификации на втором этапе. Кроме того, метод может быть использован в некоторых случаях при дообучении больших языковых моделей", - говорится в сообщении.