La presentación judicial del New York Times Company contra Microsoft Corporation del 27 de diciembre de 2023 es parte de   . Puede saltar a cualquier parte de este archivo   . Esta es la parte 9 de 27. la serie PDF legal de HackerNoon aquí  IV. ALEGACIONES DE HECHO  B. Productos GenAI de los demandados   2. Cómo funcionan los modelos GenAI  75. En el corazón de los productos GenAI de los demandados se encuentra un programa informático llamado “modelo de lenguaje grande” o “LLM”. Las diferentes versiones de GPT son ejemplos de LLM. Un LLM funciona prediciendo palabras que probablemente sigan una cadena de texto determinada en función de los miles de millones potenciales de ejemplos utilizados para entrenarlo.  76. Agregar el resultado de un LLM a su entrada y reintroducirlo en el modelo produce oraciones y párrafos palabra por palabra. Así es como ChatGPT y Bing Chat generan respuestas a las consultas de los usuarios o "solicitudes".  77. Los LLM codifican la información del corpus de entrenamiento que utilizan para hacer estas predicciones como números llamados "parámetros". Hay aproximadamente 1,76 billones de parámetros en el LLM GPT-4.  78. El proceso de establecer los valores de los parámetros de un LLM se llama "capacitación". Implica almacenar copias codificadas de los trabajos de entrenamiento en la memoria de la computadora, pasarlas repetidamente a través del modelo con palabras enmascaradas y ajustar los parámetros para minimizar la diferencia entre las palabras enmascaradas y las palabras que el modelo predice para completarlas.  79. Después de haber sido entrenados en un corpus general, los modelos pueden estar sujetos a un mayor “ajuste”, por ejemplo, realizando rondas adicionales de entrenamiento utilizando tipos específicos de obras para imitar mejor su contenido o estilo, o proporcionándoles retroalimentación humana para reforzarlos. deseados o reprimir comportamientos no deseados.  80. Se sabe que los modelos entrenados de esta manera exhiben un comportamiento llamado “memorización”. [10] Es decir, si se les da la indicación adecuada, repetirán grandes porciones de los materiales con los que fueron entrenados. Este fenómeno muestra que los parámetros LLM codifican copias recuperables de muchos de esos trabajos de formación.  81. Una vez capacitados, los LLM pueden recibir información específica sobre un caso de uso o un tema para “consolidar” sus resultados. Por ejemplo, se le puede pedir a un LLM que genere un resultado de texto basado en datos externos específicos, como un documento, proporcionado como contexto. Usando este método, las aplicaciones de búsqueda sintética de los Demandados: (1) reciben una entrada, como una pregunta; (2) recuperar documentos relevantes relacionados con la entrada antes de generar una respuesta; (3) combinar la entrada original con los documentos recuperados para proporcionar contexto; y (4) proporcionar los datos combinados a un LLM, que genera una respuesta en lenguaje natural.[11] Como se muestra a continuación, los resultados de búsqueda generados de esta manera pueden copiar en gran medida o parafrasear trabajos que los propios modelos tal vez no hayan memorizado.  Continuar leyendo   . aquí  [11] Ben Ufuk Tezcan, Cómo interactuamos con la información: la nueva era de la búsqueda, MICROSOFT (19 de septiembre de 2023), https://azure.microsoft.com/en-us/blog/how-we-interact- con-información-la-nueva-era-de-la-búsqueda/.  Acerca de la serie PDF Legal de HackerNoon: Le traemos los expedientes judiciales de dominio público más importantes, técnicos y reveladores.  Este caso judicial 1:23-cv-11195 recuperado el 29 de diciembre de 2023 de   es parte del dominio público. Los documentos creados por el tribunal son obras del gobierno federal y, según la ley de derechos de autor, se colocan automáticamente en el dominio público y se pueden compartir sin restricciones legales. nycto-assets.nytimes.com

legalpdf Blog

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

The Times contra Microsoft/OpenAI: los modelos exhiben un comportamiento llamado "memorización". (9)

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps