![](\"https:\/\/oaidalleapiprodscus.blob.core.windows.net\/private\/org-PXteLUy4B6mslwRon6h7ri9z\/user-0jfma6aPNvZyLXZUbw4CmvZG\/img-IQ6NC9kP8EnmKDpQUwpmZOCi.png?st=2024-06-25T10%3A10%3A43Z&se=2024-06-25T12%3A10%3A43Z&sp=r&sv=2023-11-03&sr=b&rscd=inline&rsct=image\/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2024-06-24T16%3A46%3A47Z&ske=2024-06-25T16%3A46%3A47Z&sks=b&skv=2023-11-03&sig=FVEzWRITd3UCc1vvkunkQ9FkzQhAYaeVikYPN5KsE30%3D\")
<\/p>\n<\/p>\n
Dans le domaine de l’intelligence artificielle, atteindre des performances sup\u00e9rieures \u00e0 moindre co\u00fbt reste un objectif cl\u00e9. OpenPipe a fait des avanc\u00e9es significatives avec son mod\u00e8le innovant Mixture of Agents (MoA). Con\u00e7u pour g\u00e9n\u00e9rer des donn\u00e9es d’entra\u00eenement synth\u00e9tiques, l’architecture MoA affiche des r\u00e9sultats de pointe (SOTA) et propose une alternative rentable aux mod\u00e8les existants, notamment GPT-4.<\/p>\n
Les mod\u00e8les MoA d’OpenPipe ont excell\u00e9 lors de tests rigoureux, obtenant des scores notables sur LMSYS\u2019s Arena Hard Auto et AlpacaEval 2.0. Le mod\u00e8le MoA a enregistr\u00e9 84.8 sur Arena Hard Auto et 68.4 sur AlpacaEval 2.0, d\u00e9montrant sa performance sup\u00e9rieure dans la g\u00e9n\u00e9ration de donn\u00e9es synth\u00e9tiques de haute qualit\u00e9. Ces benchmarks sont cruciaux car ils repr\u00e9sentent des requ\u00eates utilisateur exigeantes qui testent la robustesse et l’adaptabilit\u00e9 des mod\u00e8les d’IA.<\/p>\n
Face aux variantes de GPT-4, dans des sc\u00e9narios r\u00e9els, le mod\u00e8le MoA d’OpenPipe a \u00e9t\u00e9 pr\u00e9f\u00e9r\u00e9 dans 59.5% des t\u00e2ches \u00e9valu\u00e9es par Claude 3 Opus. C\u2019est une r\u00e9ussite significative, mettant en lumi\u00e8re l’efficacit\u00e9 et l\u2019applicabilit\u00e9 pratique du mod\u00e8le dans divers contextes rencontr\u00e9s par les clients d’OpenPipe.<\/p>\n
Un aspect remarquable du mod\u00e8le MoA est son efficacit\u00e9. OpenPipe a r\u00e9ussi \u00e0 affiner des mod\u00e8les Llama 3 plus petits \u00e0 l’aide de donn\u00e9es synth\u00e9tiques g\u00e9n\u00e9r\u00e9es par le mod\u00e8le MoA. Ces mod\u00e8les affin\u00e9s, tels que le Llama 3 70B et le Llama 3 8B, ont surpass\u00e9 GPT-4 dans de nombreuses t\u00e2ches. Le mod\u00e8le Llama 3 8B offre notamment une performance sup\u00e9rieure dans trois fonctions sur quatre, \u00e0 une fraction du co\u00fbt\u201425 fois moins cher et trois fois plus rapide que GPT-4.<\/p>\n
Le design du mod\u00e8le MoA t\u00e9moigne de l’approche innovante d’OpenPipe. Compatible avec divers mod\u00e8les de base, y compris GPT-4 Turbo et GPT-4o, le mod\u00e8le utilise une cha\u00eene \u00e0 trois propositions pour g\u00e9n\u00e9rer les r\u00e9ponses finales : la premi\u00e8re proposition g\u00e9n\u00e8re trois compl\u00e9tions diverses, la deuxi\u00e8me critique ces compl\u00e9tions, et la troisi\u00e8me combine les meilleurs \u00e9l\u00e9ments de chacune pour produire le r\u00e9sultat final. Cette approche structur\u00e9e assure des r\u00e9ponses de haute qualit\u00e9 et diversifi\u00e9es, am\u00e9liorant les performances du mod\u00e8le.<\/p>\n
OpenPipe a men\u00e9 des \u00e9valuations exhaustives pour valider les performances du mod\u00e8le MoA. En plus des benchmarks automatis\u00e9s, des \u00e9valuateurs humains ont \u00e9t\u00e9 employ\u00e9s pour s’assurer que les r\u00e9sultats du mod\u00e8le correspondent au jugement humain. Cette double approche de l\u2019\u00e9valuation, utilisant \u00e0 la fois LLM-as-judge et des \u00e9valuateurs humains, a confirm\u00e9 la sup\u00e9riorit\u00e9 du mod\u00e8le sur GPT-4 Turbo avec une marge de 9%, m\u00eame apr\u00e8s ajustements pour pr\u00e9f\u00e9rences humaines.<\/p>\n
OpenPipe reste engag\u00e9 dans l’am\u00e9lioration continue et pr\u00e9voit de lancer des variantes am\u00e9lior\u00e9es du mod\u00e8le MoA en incorporant de nouvelles techniques et mod\u00e8les. Actuellement, les utilisateurs peuvent acc\u00e9der \u00e0 ces mod\u00e8les via la plateforme OpenPipe en cr\u00e9ant un compte et en utilisant l’endpoint de compl\u00e9tion de chat compatible OpenAI. Cette facilit\u00e9 d’acc\u00e8s permet \u00e0 un public plus large de b\u00e9n\u00e9ficier des avanc\u00e9es en mati\u00e8re de g\u00e9n\u00e9ration de donn\u00e9es synth\u00e9tiques qu\u2019offre OpenPipe.<\/p>\n
En r\u00e9sum\u00e9, le mod\u00e8le Mixture of Agents d’OpenPipe repr\u00e9sente une avanc\u00e9e significative en IA, notamment dans la g\u00e9n\u00e9ration de donn\u00e9es d’entra\u00eenement synth\u00e9tiques de haute qualit\u00e9 \u00e0 moindre co\u00fbt. Sa performance sup\u00e9rieure, son efficacit\u00e9 \u00e9conomique et son design novateur en font un outil pr\u00e9cieux pour les praticiens de l’IA cherchant \u00e0 optimiser leurs mod\u00e8les. OpenPipe continue de perfectionner et d’\u00e9largir cette technologie, poussant encore plus loin la g\u00e9n\u00e9ration de donn\u00e9es synth\u00e9tiques et l’affinement des mod\u00e8les.<\/p>\n","protected":false},"excerpt":{"rendered":"
Dans le domaine de l’intelligence artificielle, atteindre des performances sup\u00e9rieures \u00e0 moindre co\u00fbt reste un objectif cl\u00e9. OpenPipe a fait des avanc\u00e9es significatives avec son mod\u00e8le innovant Mixture of Agents (MoA). Con\u00e7u pour g\u00e9n\u00e9rer des donn\u00e9es d’entra\u00eenement synth\u00e9tiques, l’architecture MoA affiche des r\u00e9sultats de pointe (SOTA) et propose une alternative rentable aux mod\u00e8les existants, notamment […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-169","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"yoast_head":"\n