突破性方法衡量人工智能对金融科技领域的时间有效性理解和影响
Summary:
因斯布鲁克大学的科学家开发了一种方法来衡量人工智能对“时间有效性”的理解，即基于时间的陈述相关性。他们的技术可能会影响 ChatGPT 等人工智能平台在金融技术中的使用。研究人员发现，ChatGPT 的表现不如更具体的模型，并建议更有针对性的 AI 模型更适合时间有效性很重要的情况，例如新闻生成或金融市场分析。该研究还表明，训练人工智能系统以及时性为因素破译最相关的陈述，可以增强其在大规模领域的实时预测能力。
奥地利因斯布鲁克大学的两位科学家创造了一种技术来衡量人工智能（AI）系统在理解“时间有效性”方面的熟练程度。这可能会对ChatGPT等生成式人工智能平台在金融科技领域的应用产生深远影响。时间有效性与在特定时间范围内一个陈述与另一个陈述的相关性程度有关。简而言之，它是关于链接语句的基于时间的意义。
一个测试其时间有效性预测技能的人工智能系统的任务是从提供的集合中挑选与时间相关的最相关的语句。在他们最近分享的名为“时间有效性变化预测”的初步研究论文中，Georg Wenzel 和 Adam Jatowt 举了一个例子来说明一个人在公共汽车上阅读。在这种情况下，最相关的上下文语句是“我只剩下几页了，然后我就完成了。由于目标语句表示公共汽车上的人目前正在阅读，因此其余语句相对无关紧要。
Wenzel 和 Jatowt 生成了一个训练实例的分类数据集，这有助于构建大型语言模型 （LLM） 的基准测试任务。ChatGPT 因其广泛使用而成为他们选择的测试模型，尽管与更具体的模型相比，它的性能要低得多。ChatGPT 的局限性可归因于少样本学习技术和对数据集特征的理解不足。
它表明，时间有效性对于确定效用或正确性至关重要的场景，例如新闻文章生成或金融市场评估，可能会从特定的人工智能模型中受益更多，而不是像 ChatGPT 这样更通用的工具。研究人员还证明，在整个LLM的训练过程中修改时间值变化预测可能会改善时间变化基准任务的结果。
虽然这篇论文没有明确探讨实验之外的后果，但生成式人工智能系统现有的缺点之一是它们无法区分一系列文学作品中过去和现在的事件。教育这些系统在文本正文中确定最相关的陈述，并将及时性作为决定性参数，可以大大提高人工智能模型在加密货币和股票市场等大规模领域做出敏锐、实时预测的能力。
Published At
1/2/2024 10:50:00 PM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.