설명
Sup AI는 여러 AI 모델을 결합하면 단일 모델에 의존하는 것보다 더 정확한 결과를 얻을 수 있다는 아이디어를 바탕으로 구축되었습니다. 이 접근 방식은 최전선 모델의 앙상블을 조정하고, 로그 확률로 출력 점수를 매기며, 결과를 종합하는 방식으로 진행되었습니다. 이 방법은 효과적이었으며, 종종 덜 정교한 대안을 사용할 때조차도 개별 모델보다 더 나은 성능을 보였습니다. 성공의 원인은 세 가지 주요 전략에서 비롯되었습니다: 상관관계가 없는 오류를 가진 모델 선택, 각 모델에 대한 쿼리 최적화, 신뢰 수준에 따라 출력을 융합하는 것입니다.
사용 증가와 유료 전환이 이루어졌음에도 불구하고, 주요 공급업체의 API 위에 알고리즘을 구현하는 데 어려움이 발생했습니다. Anthropic 및 OpenAI와 같은 회사들은 추론 흔적 및 로그 확률과 같은 중요한 신호에 대한 접근을 제한하기 시작하여 정확한 시스템을 구축하는 능력을 저해했습니다. 경제적 환경도 변화하여, 추론에 대한 높은 마진으로 인해 독립 개발자들이 보조금을 받는 소비자 제품과 경쟁하기 어려워졌습니다.
소비자 AI에서의 정확성에 대한 수요는 이분법적이며, 소수의 세그먼트는 신뢰할 수 있는 답변에 비용을 지불할 의향이 있는 반면, 대다수는 정밀도보다 비용을 우선시합니다. 이러한 현실은 소비자 시장에서 정확성에 중점을 둔 비즈니스를 유지하는 데 어려움을 주었습니다. B2B 분야에는 기회가 있었지만, 창립자인 Ken Mueller는 이 방향에서 전환하기로 결정하고 연구에 집중하기로 했습니다.
Mueller는 현재 스탠포드 대학교의 2학년 학생으로, 언어 모델에서 인과 추론에 전념하는 연구실을 설립할 계획입니다. 이 연구 분야는 현재 모델이 원인과 결과, 개입 및 반사실을 이해하는 데 한계를 극복하는 것을 목표로 하고 있습니다. 목표는 기존 모델이 실패하는 지점을 강조하는 벤치마크를 개발하고, 인과 추론을 기본적인 측면으로 포함하는 모델을 만드는 것입니다. 이러한 전환은 이익을 위해 기존 솔루션을 최적화하기보다는 AI의 더 깊은 질문을 탐구하겠다는 의지를 나타냅니다.
활성 구독이 있는 사용자에게는 서비스가 일시 중지되었으며, 환불이나 데이터 복사 요청이 가능합니다. Mueller는 새로운 작업 방향에 대한 피드백이나 문의를 위해 열린 소통을 권장합니다.
Sup AI의 핵심 기능
앙상블 모델 조정
로그 확률 점수 매기기
인과 추론 연구
API 통합 문제
대상 사용자 기반
B2B 기회
사용자 피드백 반영
구독 관리
Sup AI 사용 방법은?
사명 이해하기: Sup AI의 원래 모델에서 인과 추론으로의 전환에 대해 알아보세요.
연구 탐색하기: 인과 추론의 발전과 AI에 대한 함의를 따라가세요.
커뮤니티와 소통하기: 새로운 방향에 대한 논의나 피드백을 위해 연락하세요.
구독 관리하기: 활성 구독이 있는 경우 환불이나 데이터 요청을 위해 지원팀에 연락하세요.
Sup AI의 사용 사례
- 연구 응용 프로그램
- 법률 문서
- 의약품 용량
- 데이터 분석
- 정책 개발
