Liquid AI lancerer Liquid Foundation Models: En game-changer i generativ AI

I en banebrydende meddelelse har Liquid AI, en MIT-spin-off, introduceret sin første serie af Liquid Foundation Models (LFM’er). Disse modeller, designet fra bunden, sætter en ny standard i generativ AI-rummet, og tilbyder ubesvaret præstation på tværs af forskellige skalaer. LFM’er, med deres innovative arkitektur og avancerede funktioner, er parat til at udfordre brancheførende AI-modeller, herunder ChatGPT.

Liquid AI blev grundlagt af et hold af MIT-forskere, herunder Ramin Hasani, Mathias Lechner, Alexander Amini og Daniela Rus. Virksomheden har hovedsæde i Boston, Massachusetts, og dens mission er at skabe dygtige og effektive generelle AI-systemer til virksomheder af alle størrelser. Holdet udviklede oprindeligt flydende neurale netværk, en klasse af AI-modeller inspireret af hjerne-dynamik, og søger nu at udvide AI-systemernes funktioner på alle niveauer, fra edge-enheder til virksomheds-klasse-deploymenter.

Hvad er Liquid Foundation Models (LFM’er)?

Liquid Foundation Models repræsenterer en ny generation af AI-systemer, der er højst effektive i både hukommelse og beregningskraft. Bygget med en grundlæggende forståelse af dynamiske systemer, signalbehandling og numerisk lineær algebra, er disse modeller designet til at håndtere forskellige typer sekventielle data – såsom tekst, video, lyd og signaler – med bemærkelsesværdig nøjagtighed.

Liquid AI har udviklet tre primære sprogmodeller som en del af denne lancering:

• LFM-1B: En tæt model med 1,3 milliarder parametre, optimeret til ressource-begrænsede miljøer.
• LFM-3B: En 3,1 milliarder-parametre-model, ideel til edge-deployment-scenarier, såsom mobile applikationer.
• LFM-40B: En 40,3 milliarder-parametre Mixture of Experts (MoE)-model designet til at håndtere komplekse opgaver med exceptionel præstation.

Disse modeller har allerede demonstreret state-of-the-art-resultater på tværs af nøgle-AI-benchmark, hvilket gør dem til en formidabel konkurrent til eksisterende generative AI-modeller.

State-of-the-Art Præstation

Liquid AI’s LFM’er leverer bedst-i-klassen-præstation på tværs af forskellige benchmark. For eksempel LFM-1B overgår transformer-baserede modeller i sin størrelseskategori, mens LFM-3B konkurrerer med større modeller som Microsofts Phi-3.5 og Meta’s Llama-serie. LFM-40B-modellen, på trods af sin størrelse, er effektiv nok til at konkurrere med modeller med endnu større parameterantal, og tilbyder en unik balance mellem præstation og ressource-effektivitet.

Nogle højdepunkter i LFM-præstationen omfatter:

• LFM-1B: Dominerer benchmark som MMLU og ARC-C, og sætter en ny standard for 1B-parameter-modeller.
• LFM-3B: Overgår modeller som Phi-3.5 og Google’s Gemma 2 i effektivitet, mens den opretholder en lille hukommelsesaftryk, hvilket gør den ideel til mobile og edge-AI-applikationer.
• LFM-40B: Den MoE-arkitektur i denne model tilbyder sammenlignelig præstation med større modeller, med 12 milliarder aktive parametre på ethvert givent tidspunkt.

En Ny Æra i AI-Effektivitet

En betydelig udfordring i moderne AI er at håndtere hukommelse og beregning, især når man arbejder med lange-kontekst-opgaver som dokument-sammenfatning eller chatbot-interaktioner. LFM’er udmærker sig i dette område ved at effektivt komprimere input-data, hvilket resulterer i reduceret hukommelsesforbrug under inference. Dette tillader modellerne at behandle længere sekvenser uden at kræve dyre hardware-opgraderinger.

For eksempel tilbyder LFM-3B en 32k token-kontekstlængde – hvilket gør den til en af de mest effektive modeller til opgaver, der kræver store mængder data til at blive behandlet samtidigt.

En Revolutionerende Arkitektur

LFM’er er bygget på en unik arkitektur, der afviger fra traditionelle transformer-modeller. Arkitekturen er centreret omkring adaptive lineære operatører, der modulerer beregning baseret på input-data. Dette tillader Liquid AI at optimere præstationen betydeligt på tværs af forskellige hardware-platforme, herunder NVIDIA (NVDA ), AMD, Cerebras (CBRS ) og Apple-hardware.

Den design-rum for LFM’er indebærer en ny blanding af token-mixing og channel-mixing-strukturer, der forbedrer, hvordan modellen behandler data. Dette resulterer i overlegen generalisering og resonans-funktioner, især i lange-kontekst-opgaver og multimodale applikationer.

Udvidelse af AI-Grensen

Liquid AI har store ambitioner for LFM’er. Ud over sprogmodeller arbejder virksomheden på at udvide sine grundlæggende modeller til at understøtte forskellige data-modaliteter, herunder video, lyd og tids-serie-data. Disse fremskridt vil enable LFM’er til at skala på tværs af multiple industrier, såsom finansielle services, bioteknologi og forbruger-elektronik.

Virksomheden fokuserer også på at bidrage til den åbne videnskabs-samfund. Selvom modellerne ikke er åben-kilde på nuværende tidspunkt, planlægger Liquid AI at udgive relevante forskningsresultater, metoder og data-sæt til den bredere AI-samfund, og opmuntrer til samarbejde og innovation.

Tidlig Adgang og Adoption

Liquid AI tilbyder i øjeblikket tidlig adgang til sine LFM’er gennem forskellige platforme, herunder Liquid Playground, Lambda (Chat UI og API), og Perplexity Labs. Virksomheder, der søger at integrere avancerede AI-systemer i deres operationer, kan udforske potentialet for LFM’er på tværs af forskellige deployment-miljøer, fra edge-enheder til on-premise-løsninger.

Liquid AI’s åben-videnskab-tilgang opmuntrer tidlige adoptere til at dele deres erfaringer og indsigt. Virksomheden søger aktivt efter feedback for at forfine og optimere sine modeller til virkelige applikationer. Udviklere og organisationer, der er interesseret i at blive en del af denne rejse, kan bidrage til red-teaming-bestræbelser og hjælpe Liquid AI med at forbedre sine AI-systemer.

Konklusion

Udgivelsen af Liquid Foundation Models markerer en betydelig fremgang i AI-landskabet. Med fokus på effektivitet, tilpasning og præstation er LFM’er parat til at omforme, hvordan virksomheder tilgår AI-integration. Da flere organisationer adopterer disse modeller, vil Liquid AI’s vision om skalerbare, generelle AI-systemer sandsynligvis blive en hjørnesten i den næste æra af kunstig intelligens.

Hvis du er interesseret i at udforske potentialet for LFM’er til din organisation, inviterer Liquid AI dig til at komme i kontakt og blive en del af den voksende samfund af tidlige adoptere, der former fremtiden for AI.

For mere information, besøg Liquid AI’s officielle website og start med at eksperimentere med LFM’er i dag.