[惠特尼]涉及“时间有效性”的人工智能实验可能对金融科技产生重大影响

奥地利因斯布鲁克大学的两位研讨人员开发了一种方法来确认人工智能 (AI) 系统理解“时刻有用性”的程度，这一基准可能对 ChatGPT 等生成式 AI 产品的运用产生严重影响在金融科技领域。

时刻有用性是指跟着时刻的推移，一个给定的陈说与另一个陈说的相关程度。

本质上，它指的是成对句子的根据时刻的值。

正在评价猜测时刻有用性才能的人工智能将取得一组陈说，并被要求挑选一个随时刻关系最密切的陈说。在他们最近宣布的题为“时刻有用性改变猜测”的预印本研讨论文中，Georg Wenzel 和Adam Jatowt 运用了一个声明的比如，其间声明一个人正在公共汽车上读书。

在上面的比如中，最有用的上下文句子是“我只剩下几页了，然后我就完成了。”

由于方针句子标明公交车乘客当时正在读书，因此比较之下，其他两个无关紧要。

图片来历：Wenzel，Jatowt 2024。研讨人员创建了一个带标签的练习示例数据集，然后用它来构建大型语言模型 (LLM) 的基准测验使命。

他们挑选 ChatGPT 作为测验的基础模型，由于它在最终用户中很受欢迎，并发现与不太通用的模型比较，它的表现显着不佳。

CHATGPT 属于表现较差的模型之一，这与其他关于 TCS 理解的研讨是共同的。

它的缺点可能是由于少样本学习方法和缺少对数据集详细特征的了解。“这标明时刻有用性在确认有用性或准确性方面发挥作用的情况——例如在生成新闻文章或评价金融市场时——与 ChatGPT 等更通用的服务比较，有针对性的人工智能模型可能会更好地处理这些问题。研讨人员还证明，在法学硕士的练习周期中测验时刻值改变猜测有可能在时刻改变基准测验使命上取得更高的分数。相关：展望未来：业内人士猜测 2024 年人工智能法律应战尽管本文没有详细讨论实验自身之外的影响，但生成式人工智能系统目前的局限性之一是它们缺少区分过去和现在事件的才能教训这些系统如何确认语料库中最相关的陈说（其间及时性是决定因素），能够彻底改变人工智能模型在加密货币和股票市场等大规模领域做出强壮实时猜测的才能。

此时快讯

【Radiant Capital合约部署者链上留言：希望与漏洞利用者建立联系】金色财经报道，多链借贷协议Radiant Capital合约部署者于链上向此前的漏洞利用者留言表示，我们想就你今天利用的漏洞联系一下。很高兴你找到了它！我们假设你是以白帽或灰帽的身份进行此次利用（出于各种原因），所以我们希望建立联系，以解决接下来的步骤。请在RadiantBugNegotiation@radiant.capital给我们发送一条消息，这样我们可以进一步交流。期待尽快与你聊天。