Systeme, die künstliche Intelligenz nutzen, um Prognosen, Planung und Entscheidungsfindung in Unternehmen zu verbessern, haben in den letzten Jahren stark zugenommen, aber in vielen Fällen fehlen ihnen detaillierte, spezifische Informationen über das Unternehmen selbst, was den Nutzen dieser Instruments einschränkt.

Devavrat Shah, leitender Forscher am Laboratory for Info and Resolution Techniques (LIDS) des MIT, Fakultätsmitglied der Abteilung für Elektrotechnik und Informatik (EECS) und Mitglied des Institute for Knowledge, Techniques, and Society (IDSS), hat sich darauf konzentriert, Methoden zu entwerfen, die eine sekundengenaue Entscheidungsfindung mit begrenzten Rechenressourcen ermöglichen.

„In gewisser Weise muss man mit einer geringen Menge an Ressourcen viel schwere Arbeit leisten“, sagt er. Als Forscher „liegt mein Interesse in der Fähigkeit, Methoden zu entwickeln, mit denen sich auf möglichst effektive Weise Informationen in großem Maßstab aus Daten extrahieren lassen.“

Die Andrew (1956) und Erna Viterbi Professorin lehrt seit 2005 am MIT.

Im Jahr 2019 battle er außerdem Mitbegründer eines Spin-off-Unternehmens namens Ikigai Labs. Ikigai entwickelte auf der Grundlage jahrelanger Forschung in Shahs Labor ein Grundlagenmodell für tabellarische Zeitreihendaten, das vom MIT patentiert und an das Unternehmen lizenziert wurde. Dieses Modell kann Daten aus Unternehmensdaten aus unterschiedlichen Quellen kontinuierlich und in großem Maßstab übernehmen, sodass es im Laufe der Zeit dazulernt, indem es seine Vorhersagen anhand realer Ergebnisse testet.

Shah erklärt, dass das System eine Erweiterung der Artwork von grafischen Modellen ist, die beispielsweise von GPS-Geräten verwendet werden, um eine spärliche Datenmenge von Satelliten in ein genaues Modell einer Place auf der Erdoberfläche umzuwandeln, oder von Kommunikationssystemen wie dem einer Digitaluhr, die mit hoher Geschwindigkeit und energieeffizient kommuniziert.

„Mein Interesse battle: Wie entwirft man solche grafischen Modelle für generische, tabellarische Daten?“ sagt er.

Während die meisten KI-Modelle mit Textual content und Bildern trainiert wurden, verwendet dieses System tabellarische Daten als Eingabe – strukturierte Daten wie das bekannte Zeilen- und Spaltenformat, das in Tabellenkalkulationen verwendet wird. Und dann ermöglicht es die Artwork der Echtzeitplanung in einem weitaus größeren Maßstab.

Die Idee von Ikigai bestand darin, Prognose- und Entscheidungstechnologie für große Unternehmen wie Konsumgüterhersteller und Pharmaunternehmen bereitzustellen.

Shah nennt als Beispiel, wie ein Unternehmen der Unterhaltungselektronik dieses System nutzen könnte.

„Nehmen wir an, Sie stellen Kopfhörer und alle möglichen anderen Dinge her. Und jedes der Produkte, die Sie herstellen, besteht aus vielen kleinen Teilen, die aus verschiedenen Teilen der Welt stammen. Und sobald das Gerät verkauft ist, muss es unterstützt und gewartet werden. Und Sie müssen neue Versionen des Produkts entwickeln, Sie müssen sie vermarkten, Sie müssen ihnen einen Preis festlegen … Die Fragen, die Sie normalerweise stellen würden, wären additionally: Wenn ich diese im nächsten Quartal oder im nächsten Jahr verkaufen würde, wie viele würden an verschiedenen Orten verkauft und was würde damit passieren.“ Nachfrage, wenn ich den Preis ändere oder eine Sonderaktion einführe?“

Er fügt hinzu, dass alle diese Prozesse voneinander abhängig sind und in jeder Section der Prozesse Entscheidungen getroffen werden müssen, die Auswirkungen auf die Zeit haben. „Auf einer bestimmten Ebene“, sagt er, „führt die Digitalisierung dieser Prozesse und die Möglichkeit, Vorhersagen zu treffen und ständig zu optimieren, letztendlich zu besseren Geschäftsabläufen.“

Ikigai wurde kürzlich von der internationalen Firma Celonis übernommen, wo Shah nun zusätzlich zu seinen Aufgaben am MIT leitender Wissenschaftler ist. Letztendlich hofft er, dass das von ihm für Ikigai entwickelte Modell Celonis dabei helfen wird, Instruments bereitzustellen, die sich in die eigenen Daten und Geschäftsprozesse eines Unternehmens integrieren lassen, um reale Analysen bereitzustellen, die bei der Erstellung von Prognosen, Plänen und Entscheidungen helfen können.

Shah fügt hinzu, dass Celonis sich auf die Digitalisierung und Automatisierung von Abläufen für mehr als 1.400 große Unternehmen weltweit spezialisiert hat. Nachdem diese Systeme nun vollständig digitalisiert sind, bieten sie der Ikigai-Software program eine Plattform, um den nächsten Schritt zu gehen und die Daten aus diesen digitalisierten Systemen zu lesen, um detaillierte Modelle bereitzustellen, die die Simulation verschiedener Optionen ermöglichen, optimale Strategien vorhersagen und die Ergebnisse einer bestimmten Reihe von Entscheidungen prognostizieren können.

„Sobald die digitale Schicht dieser Prozesse und diese Informationsschicht vorhanden sind“, sagt Shah, „können wir jetzt den Ikigai-Stack darüber legen, um eine Entscheidungsfindung in einem viel größeren Maßstab als sonst zu ermöglichen.“

Während so viele Unternehmen an verschiedenen Aspekten der KI arbeiten, „konzentrieren wir uns sehr stark auf einen Teil des Bereichs, dem der Relaxation der Welt keine Aufmerksamkeit schenkt“, nämlich den Bereich der strukturierten oder Zeitbereichsdaten. Indem man auf solchen Daten aufbaut, bietet es seiner Meinung nach eine sehr kostengünstige Model der KI.

„Ein engerer Fokus geht mit schärferer Technologie einher“, sagt er, „aber sie ist breit genug, dass sie sehr wertvoll ist.“

Shah fügt hinzu: „Das aktuelle Schlagwort, das in der modernen KI-Populärpresse an Bedeutung gewonnen hat, ist ‚Weltmodell‘.“ In gewisser Weise wird hier sozusagen versucht, das Weltmodell der Unternehmensprozesse aufzubauen.“

Bild vom Herausgeber

# Das/die Downside(e) des selbstgehosteten LLM

„Betreiben Sie Ihr eigenes großes Sprachmodell (LLM)“ ist das „Starten Sie einfach Ihr eigenes Unternehmen“ des Jahres 2026. Klingt wie ein Traum: keine API-Kosten, keine Daten verlassen Ihre Server, volle Kontrolle über das Modell. Dann tut man es tatsächlich und die Realität taucht ungebeten auf. Der GPU geht mitten in der Inferenz der Speicher aus. Das Modell halluziniert schlimmer als die gehostete Model. Latenz ist peinlich. Irgendwie haben Sie drei Wochenenden mit etwas verbracht, das grundlegende Fragen immer noch nicht zuverlässig beantworten kann.

In diesem Artikel geht es um Was passiert eigentlich, wenn man selbst gehostete LLMs ernst nimmt?: Nicht die Benchmarks, nicht der Hype, sondern die tatsächlichen betrieblichen Reibungspunkte, die in den meisten Tutorials vollständig übersprungen werden.

# Der {Hardware}-Realitätscheck

Die meisten Tutorials gehen beiläufig davon aus, dass Sie eine leistungsstarke GPU herumliegen haben. Die Wahrheit ist, dass für den komfortablen Betrieb eines 7B-Parametermodells mindestens 16 GB VRAM erforderlich sind, und sobald Sie sich dem 13B- oder 70B-Bereich nähern, sind Sie auf der Suche nach einem der beiden bei Multi-GPU-Setups oder erhebliche Kompromisse zwischen Qualität und Geschwindigkeit durch Quantisierung. Cloud-GPUs helfen, aber dann zahlen Sie auf Umwegen wieder professional Token.

Die Kluft zwischen „es läuft“ und „es läuft intestine“ ist größer als die meisten Menschen erwarten. Und wenn Sie auf etwas abzielen, das an die Produktion angrenzt, ist „es läuft“ ein schrecklicher Ort, an dem man aufhören sollte. Infrastrukturentscheidungen, die zu Beginn eines Self-Internet hosting-Projekts getroffen werden, können sich verschlimmern, und es ist schmerzhaft, sie später auszutauschen.

# Quantisierung: Schonung oder Kompromiss?

Die Quantisierung ist die häufigste Problemumgehung für {Hardware}-Einschränkungen, und es lohnt sich zu verstehen, womit Sie tatsächlich handeln. Wenn Sie ein Modell von FP16 auf INT4 reduzierenkomprimieren Sie die Gewichtsdarstellung erheblich. Das Modell wird schneller und kleiner, aber die Präzision seiner internen Berechnungen nimmt in einer Weise ab, die nicht immer sofort erkennbar ist.

Für allgemeine Chats oder Zusammenfassungen reicht oft eine geringere Quantisierung aus. Wo es zu schmerzen beginnt, sind Denkaufgaben, strukturierte Ausgabegenerierung und alles, was eine sorgfältige Befolgung von Anweisungen erfordert. Ein Modell, das die JSON-Ausgabe im FP16 zuverlässig verarbeitet, könnte im vierten Quartal damit beginnen, fehlerhafte Schemata zu produzieren.

Es gibt keine allgemeingültige Antwort, aber die Problemumgehung ist größtenteils empirisch: Testen Sie Ihren spezifischen Anwendungsfall über Quantisierungsstufen hinweg, bevor Sie sich verpflichten. Muster treten in der Regel schnell auf, wenn Sie in beiden Versionen genügend Eingabeaufforderungen durchlaufen.

# Kontextfenster und Erinnerung: Die unsichtbare Decke

Eine Sache, die die Leute überrascht, ist, wie schnell sich Kontextfenster insbesondere in echten Arbeitsabläufen füllen wenn Sie es während der Verwendung messen müssen Ollama. Ein 4K-Kontextfenster hört sich intestine an, bis Sie eine RAG-Pipeline (Retrieval-Augmented Era) erstellen und plötzlich eine Systemeingabeaufforderung, abgerufene Blöcke, einen Konversationsverlauf und die eigentliche Frage des Benutzers gleichzeitig einfügen. Dieses Fenster verschwindet schneller als erwartet.

Es gibt jedoch längere Kontextmodelle Das Ausführen eines 32K-Kontextfensters bei voller Aufmerksamkeit ist rechenintensiv. Die Speichernutzung skaliert bei normaler Aufmerksamkeit ungefähr quadratisch mit der Kontextlänge, was bedeutet, dass eine Verdoppelung Ihres Kontextfensters Ihren Speicherbedarf mehr als vervierfachen kann.

Die praktischen Lösungen umfassen eine aggressive Aufteilung, die Beschneidung des Gesprächsverlaufs und eine sehr selektive Auswahl dessen, was überhaupt in den Kontext einfließt. Das ist weniger elegant als unbegrenzter Speicher, erzwingt aber eine Artwork sofortige Disziplin, die ohnehin oft die Ausgabequalität verbessert.

# Latenz ist der Rückkopplungsschleifen-Killer

Selbstgehostete Modelle sind oft langsamer als ihre API-Gegenstücke, und das ist wichtiger, als man zunächst annimmt. Wenn die Schlussfolgerung für eine bescheidene Antwort 10 bis 15 Sekunden dauert, verlangsamt sich die Entwicklungsschleife merklich. Eingabeaufforderungen testen, Ausgabeformate iterieren, Ketten debuggen – alles wird mit Warten aufgefüllt.

Streaming-Antworten verbessern das Benutzererlebnis, verkürzen jedoch nicht die Gesamtzeit bis zur Fertigstellung. Bei Hintergrund- oder Batch-Aufgaben ist die Latenz weniger kritisch. Bei allem Interaktiven wird es zu einem echten Usability-Downside. Der ehrliche Workaround ist Investition: bessere {Hardware}, optimierte Serving-Frameworks wie vLLM oder Ollama mit der richtigen Konfiguration oder Batch-Anfragen, wenn der Workflow dies zulässt. Ein Teil davon sind einfach die Kosten für den Besitz des Stacks.

# Schnelle Verhaltensabweichungen zwischen den Modellen

Hier ist etwas, das quick jeden stutzig macht, der von gehostet auf selbst gehostet umsteigt: Eingabeaufforderungsvorlagen sind enorm wichtig und modellspezifisch. Eine Systemeingabeaufforderung, die perfekt mit einem gehosteten Frontier-Modell funktioniert, kann bei einer Mistral- oder LLaMA-Feinabstimmung zu einer inkohärenten Ausgabe führen. Die Modelle sind nicht kaputt; Sie sind in verschiedenen Formaten geschult und reagieren entsprechend.

Jede Modellfamilie hat ihre eigene erwartete Befehlsstruktur. LLaMA-Modelle trainierten mit dem Alpaka Format Erwarten Sie ein Muster, auf Chats abgestimmte Modelle erwarten ein anderes, und wenn Sie die falsche Vorlage verwenden, erleben Sie den verwirrten Versuch des Modells, auf fehlerhafte Eingaben zu reagieren, und nicht einen echten Funktionsausfall. Die meisten Serving-Frameworks erledigen dies automatisch, es lohnt sich jedoch, dies manuell zu überprüfen. Wenn sich die Ausgaben merkwürdig unpassend oder inkonsistent anfühlen, sollten Sie zunächst die Eingabeaufforderungsvorlage überprüfen.

# Die Feinabstimmung klingt einfach, bis sie es nicht mehr ist

Irgendwann, Die meisten Selbsthoster denken über eine Feinabstimmung nach. Das Basismodell bewältigt den allgemeinen Fall intestine, aber es gibt eine bestimmte Domäne, einen bestimmten Ton oder eine bestimmte Aufgabenstruktur, die wirklich von einem auf Ihren Daten trainierten Modell profitieren würde. Theoretisch macht es Sinn. Sie würden nicht dasselbe Modell verwenden für Finanzanalysen wie Sie es beim Codieren von three.js-Animationen tun würden, oder? Natürlich nicht.

Daher glaube ich, dass die Zukunft nicht darin bestehen wird, dass Google plötzlich ein Opus 4.6-ähnliches Modell herausbringt, das auf einer NVIDIA-Karte der 40er-Serie läuft. Stattdessen werden wir wahrscheinlich Modelle sehen, die für bestimmte Nischen, Aufgaben und Anwendungen entwickelt wurden – was zu weniger Parametern und einer besseren Ressourcenzuweisung führt.

In der Praxis ist die Feinabstimmung sogar mit LoRA oder QLoRA erfordert saubere und intestine formatierte Trainingsdatenaussagekräftige Berechnungen, sorgfältige Auswahl der Hyperparameter und ein zuverlässiger Auswertungsaufbau. Die meisten ersten Versuche führen zu einem Modell, das in Bezug auf Ihre Domäne eindeutig falsch ist, und zwar in einer Weise, in der das Basismodell nicht der Fall struggle.

Die Lektion, die die meisten Menschen auf die harte Tour lernen, ist, dass die Datenqualität wichtiger ist als die Datenquantität. Ein paar Hundert sorgfältig zusammengestellte Beispiele werden in der Regel Tausende von lauten Beispielen übertreffen. Es ist eine mühsame Arbeit, und es gibt keine Abkürzung.

# Letzte Gedanken

Ein LLM selbst zu hosten ist gleichzeitig praktikabler und schwieriger als angekündigt. Die Instruments sind wirklich intestine geworden: Ollama, vLLM und das breitere offene Modell-Ökosystem haben die Hürde deutlich gesenkt.

Aber die Hardwarekosten, die Kompromisse bei der Quantisierung, das schnelle Gerangel und die Feinabstimmungskurve sind alle actual. Wenn Sie einen reibungslosen Drop-in-Ersatz für eine gehostete API erwarten, werden Sie frustriert sein. Erwarten Sie, ein System zu besitzen, das Geduld und Iteration belohnt, und das Bild sieht viel besser aus. Die harten Lektionen sind dabei keine Fehler. Sie sind der Prozess.

Nahla Davies ist Softwareentwickler und technischer Autor. Bevor sie sich hauptberuflich dem technischen Schreiben widmete, schaffte sie es – neben anderen faszinierenden Dingen –, als leitende Programmiererin bei einer Inc. 5.000-Organisation für experimentelles Branding zu arbeiten, zu deren Kunden Samsung, Time Warner, Netflix und Sony gehören.

Geschrieben von Spencer Hulse

Dieser Artikel wurde ursprünglich veröffentlicht auf Smartech Day by day und mit Genehmigung bei Dataconomy erneut veröffentlicht.

Programme für Robotik und autonome Systeme stellen fest, dass Simulationsumgebungen Modelle erzeugen, die versagen, wenn sie mit realem Sensorrauschen und dem Chaos gewöhnlicher Einsatzbedingungen konfrontiert werden.

Physische KI-Programme stoßen immer wieder auf dieselbe Wand.

Ein ausschließlich auf Simulation trainiertes Robotiksystem beginnt in einer realen Anlage Fehler zu machen, die in der Szenariobibliothek nicht vorhanden waren. Programmierer geben häufig der Modellarchitektur die Schuld für das Drawback, aber die zum Coaching des Modells verwendeten Daten offenbaren stets die zugrunde liegenden Ursachen.

Der Einsatz von Robotikprogrammen in realen Einrichtungen hat eine Debatte über synthetische versus reale Daten entfacht und echte Konsequenzen deutlich gemacht. Da autonome Systemprogramme von Forschungsumgebungen in Produktionsumgebungen verlagert werden, zeigen sich Datenlücken in Kind unerwarteter Verhaltensweisen und kostspieliger Überarbeitungszyklen.

Trotz dieser Lücke haben synthetische Daten in den folgenden Szenarien unbestreitbare Stärken:

In Simulationsumgebungen: Im NVIDIA ISAAC-Sim beschleunigen synthetische Daten das Coaching im Frühstadium, indem sie verkörperten KI-Systemen einen strukturierten Raum zum Lernen, Trainieren und Testen bieten, bevor physische {Hardware} verfügbar ist.

Für Randszenarien: Dazu gehören Baustellen, ungewöhnliche Beleuchtung, seltene Objektkonfigurationen und unerwartetes Wetter. Diese Situationen treten in der realen Welt oft unerwartet auf, sodass es schwierig ist, genügend Beispiele für das Coaching zu sammeln. Die Simulation kann diese Szenarien bei Bedarf generieren und so die Lücken schließen, die durch die Erfassung in der realen Welt nicht innerhalb eines angemessenen Zeitrahmens geschlossen werden können.

In regulierten Branchen: Die Verwendung echter Patientendaten und sensibler Betriebsdaten kann rechtliche und datenschutzrechtliche Bedenken aufwerfen. Synthetische Daten, die den statistischen Eigenschaften realer Daten ähneln, ermöglichen die Fortführung des Trainings, ohne dass vertrauliche Informationen preisgegeben werden.

Steve Nemzer, Senior Director of Synthetic Intelligence Analysis & Innovation bei TELUS Digital, der intensiv an Annotationsstrategien für physische KI- und Robotikprogramme gearbeitet hat, sagt: „Die Steadiness, die gefunden werden muss, besteht darin, synthetische Daten zu verwenden, um spezifische Datenlücken zu schließen und gleichzeitig das Coaching auf realen Daten zu verankern, die das Modell im langen Schwanz der realen Variabilität verankern. Synthetische Daten können Modelle nicht über die Sensorartefakte oder widersprüchlichen Bedingungen informieren, denen sie in der Produktion begegnen werden.“

Die mikroskopische Lücke, die die Simulation übersieht

Die Lücke zwischen Simulation und Realität ist für Weltmodelle besonders folgenreich, da KI-Systeme darauf trainiert sind, interne Darstellungen des Verhaltens physischer Umgebungen zu erstellen. Ein Roboter, der in der Simulation perfekt durch Lagerböden navigiert, kann mit einer Oberflächenvariation zu kämpfen haben, die unerwartete Reibung erzeugt. Die Simulation magazine in allgemeinen Situationen genau gewesen sein, aber die Lücke wäre in den kleinen Particulars aufgetaucht. Und es sind diese winzigen Particulars, die genau zeigen, wo im realen Einsatz Probleme auftreten.

Reale Sensordaten sehen in jeder Modalität anders aus als Simulationen:

• LiDAR-Ergebnisse bei Regen oder starkem Staub sehen anders aus als saubere Simulationsdaten
• Kamerabilder bei wechselnden Lichtverhältnissen enthalten Rauschen, das synthetische Pipelines nicht vollständig reproduzieren können
• Radarsignale in dichten städtischen Umgebungen erfassen Reflexionen und Interferenzen, die in kontrollierten Umgebungen konstruktionsbedingt ausgeschlossen sind

Modelle, die diesen Bedingungen nicht ausgesetzt sind, behandeln sie als Anomalien, was zu unvorhergesehenen Ausfällen in physischen KI-Systemen führt. Im Gegensatz zu großen Sprachmodellen, die auf jahrzehntelang gesammelten, von Menschen erstellten Webtexten trainiert wurden, fehlt der physischen KI ein gleichwertiger Korpus, aus dem sie schöpfen kann. Datendienstleister mögen TELUS Digital haben Jahre damit verbracht, eine Arbeitsinfrastruktur aufzubauen, die in der Lage ist, in dem für dieses Drawback erforderlichen Erfassungs- und Anmerkungsmaßstab zu arbeiten. Selbst in dieser Größenordnung sind physische KI-Programme immer noch dabei, die notwendigen Datensätze zu erstellen, um die Lücke bei der Erfassung in der realen Welt zu schließen.

Die Komplexität der Annotation verschärft das Drawback

Das Sammeln realer Daten ist nur das halbe Drawback. Nach der Erfassung muss jedes Objekt in jedem Sensor-Feed auf allen Sensoren gleichzeitig einheitlich gekennzeichnet werden. Derselbe von LiDAR erkannte Fußgänger muss im Kamera-Feed und im Radar-Return gleich gekennzeichnet sein. Dieses Maß an Präzision erfordert Anmerkungstools und Arbeitsabläufe, die speziell für Multisensordaten entwickelt wurden. Viele allgemeine Anmerkungsplattformen sind nicht für dieses Maß an Präzision konzipiert. Wenn die Beschriftungen nicht über alle Sensoren hinweg übereinstimmen, lernt das Modell dadurch aus widersprüchlichen Informationen, und diese Diskrepanzen zeigen sich schließlich als Fehler im Feld.

Robotikprogramme benötigen egozentrische Daten, additionally Aufnahmen aus der Perspektive des Roboters. Um sie zu erfassen, müssen instrumentierte Bediener Aufgaben in realen Umgebungen ausführen, wobei jede Aktion mit einem Zeitstempel versehen und im Kontext gekennzeichnet wird. Nur so können die Lichtverschiebungen und die physikalischen Unvorhersehbarkeiten der realen Welt erfasst werden.

Die Pipeline-Frage: Was sollen synthetische Daten tun?

Synthetische Daten sind ein nützliches Werkzeug, sollten aber nicht die primäre Grundlage einer physischen KI-Trainingspipeline sein. Es eignet sich intestine für bestimmte definierte Zwecke, beispielsweise für Schulungen in regulierten Umgebungen, in denen echte Daten nicht verwendet werden können, und für die Einführung von Modellen im Frühstadium, bevor reale Daten verfügbar sind. Ein Modell, das hauptsächlich auf synthetischen Daten basiert, ist jedoch nicht auf die Schwankungen vorbereitet, denen es im realen Einsatz ausgesetzt ist. Daten aus der realen Welt müssen das Coaching verankern, während synthetische Daten dazu beitragen sollten, die Lücken rund um das Coaching zu schließen.

Die physische KI befindet sich jetzt in einem Stadium, in dem Ambition und Dateninfrastruktur sichtbar nicht mehr im Einklang stehen. Die Modellteams, die sie zu erstellen versuchen, erfordern annotierte Sensordaten, die in vielen Fällen einfach noch nicht vorhanden sind. Die Branche beginnt, sich dieser Realität anzupassen und nimmt Anpassungen vor, um Programme über die Pilotphase hinaus in die Bereitstellung zu starten.

FAQ

Was ist die Lücke zwischen Sim und Actual in der physischen KI-Entwicklung?

Es handelt sich um die Lücke, die entsteht, wenn in der Simulation trainierte Modelle beim Einsatz scheitern, weil die Simulation reale Bedingungen wie Sensorrauschen und Oberflächenreibung nicht nachbilden konnte. Die Lücke wird in dem Second sichtbar, in dem das Modell auf etwas trifft, das die Simulation ausgeschlossen hat.

Warum können synthetische Daten nicht reale Daten für das Robotiktraining ersetzen?

Die Simulation spiegelt die Parameter wider, um die herum sie erstellt wurde. Situationen wie LiDAR bei Regen und Radar in dicht besiedelten städtischen Umgebungen erzeugen Daten, die synthetische Pipelines nicht genau modellieren. Physische KI-Systeme, die ohne diese Belastung trainiert wurden, stoßen auf reale Bedingungen als Anomalien.

Wie unterscheiden sich physische KI-Programme hinsichtlich der Datenanforderungen von großen Sprachmodellprogrammen?

LLMs greifen auf jahrzehntelang gesammelte Webinhalte zurück. Physische KI erfordert annotierte Sensordaten aus realen Umgebungen, und davon sind bei weitem nicht genug vorhanden. In diesem Bereich werden diese Datensätze von Grund auf erstellt, was die Datenstrategie zu einem grundlegend anderen und schwierigeren Drawback macht.

Wo bieten synthetische Daten einen echten Mehrwert für das physische KI-Coaching?

Drei Orte: Simulationsschulungen im Frühstadium, bevor {Hardware} verfügbar ist, Randfallszenarien, die zu selten sind, um sie in großem Maßstab vor Ort zu erfassen, und regulierte Branchen, in denen reale Daten nicht verwendet werden können. Außerhalb dieser Szenarien sollte es nicht die Trainingslast tragen.

Was ist modalübergreifende Konsistenz und warum ist sie für die physische KI wichtig?

Dies bedeutet, dass dasselbe Objekt in jedem Sensorstrom identisch gekennzeichnet ist. Ein Fußgänger in einer LiDAR-Punktwolke muss mit demselben Fußgänger im Kamerabild und im Radarecho übereinstimmen. Ohne diese Ausrichtung empfängt das Wahrnehmungsmodell widersprüchliche Signale über dieselbe Szene.

Imaginative and prescient AI verlässt die Demoversion und geht in die Produktion über. Es wird verwendet, um Produkte zu inspizieren, Umgebungen zu überwachen, Sicherheitsabläufe zu unterstützen und Systemen zu helfen, zu verstehen, was in Bildern und Videostreams passiert. Mit zunehmenden Einsätzen steigen auch die Kosten für schlechte Schulungen. Ein Modell, das in einem sauberen Testsatz eine gute Leistung erbringt, kann in der realen Welt immer noch kaputt gehen, wenn sich die Beleuchtung ändert, sich Objekte überlappen oder sich die Umgebung im Laufe der Zeit verändert.

Aus diesem Grund sehen leistungsstarke Imaginative and prescient-KI-Programme in der Regel weniger wie ein einmaliges Modelltraining aus, sondern eher wie eine operative Disziplin. Sie kombinieren eine starke Datenerfassung, klare Annotationsregeln, Domänenexpertise, synthetische Erweiterung, wo sie hilft, und kontinuierliche Überwachung nach der Einführung. Das Ziel ist nicht nur eine höhere Genauigkeit auf dem Papier. Es ist eine zuverlässige Leistung, wenn die Szene chaotisch wird.

Warum Trainingsqualität wichtiger ist als Modellneuheit

Viele Groups konzentrieren sich zunächst auf die Architektur. Das ist wichtig, aber bei Imaginative and prescient AI entscheidet oft die Datenqualität darüber, ob ein Projekt in Produktion geht. Wenn Ihre Bilder inkonsistent beschriftet sind, Ihre Fehlerkategorien vage sind oder Ihre Randfälle fehlen, lernt das Modell eine verschwommene Model der Realität.

Eine einfache Analogie besteht darin, jemandem beizubringen, eine Sportart nur mithilfe von Spotlight-Clips zu leiten. Sie erkennen vielleicht die offensichtlichen Spielzüge, haben aber mit ungünstigen Blickwinkeln, Teilansichten und grenzwertigen Aussagen zu kämpfen. Imaginative and prescient AI verhält sich genauso. Es braucht mehr als ideale Beispiele. Es braucht auch die harten Fälle.

Beginnen Sie mit den Daten, nicht mit dem Dashboard

Definieren Sie vor Trainingsbeginn, was das Modell sehen soll und was als Erfolg gilt. Das bedeutet zu entscheiden, ob es sich bei der Aufgabe um Objekterkennung, Klassifizierung, Segmentierung, Verfolgung, Anomalieerkennung oder Szenenverständnis handelt. Es bedeutet auch, sich frühzeitig auf Label-Definitionen zu einigen.

Wenn ein System beispielsweise dazu gedacht ist, Gefahren in einer Produktionslinie zu kennzeichnen, was genau gilt dann als Gefahr? Ist eine teilweise Okklusion noch beschriftbar? Zählt Blendung als Negativbeispiel oder Sonderfall? Diese Particulars prägen den Datensatz, lange bevor sie das Modell prägen.

Hier gefallen Dienstleistungen Datenerfassung, DatenanmerkungUnd Unterstützung für Pc-Imaginative and prescient-Trainingsdaten strategisch wichtig werden. Starke Upstream-Workflows helfen Groups dabei, Bildformate zu standardisieren, eine breitere Abdeckung zu erfassen und Unklarheiten zu reduzieren, bevor sie sich in der Pipeline verbreiten.

Warum ist eine generische Kennzeichnung selten genug?

Generische Annotatoren sind für einfache Aufgaben nützlich, hochwertige visuelle KI hängt jedoch oft vom Kontext ab. Ein Fertigungsexperte kann subtile Fehlermuster erkennen, die für einen allgemeinen Prüfer regular erscheinen. Ein Sicherheitsspezialist kann zwischen gewöhnlicher Bewegung und einem erheblichen Risiko unterscheiden. Ein medizinischer Gutachter kann herausfinden, warum ein Bildgebungsmuster wichtig ist, ein anderes jedoch nicht.

Dieser Unterschied zeigt sich am deutlichsten in Grenzfällen. Die schwerwiegendsten Fehler bei der Imaginative and prescient-KI treten oft in unklaren, ungewöhnlichen oder risikoreichen Szenarien auf. Aus diesem Grund ist die domänenbezogene Kennzeichnung so wichtig, wenn Groups von Prototypen zur Produktion übergehen.

Synthetische Daten helfen, aber nur, wenn sie gezielt genutzt werden

Synthetische Bilder und Movies können hilfreich sein, wenn reale Daten selten, gefährlich, teuer oder langsam zu erfassen sind. Sie sind besonders nützlich bei ungewöhnlichen Defekten, riskanten Szenarien und unterrepräsentierten Bedingungen. Aber synthetische Daten sind keine Zauberei. Wenn es zu sauber oder zu eng ist, kann das Modell in der simulierten Realität intestine und in der tatsächlichen Realität schwach werden.

Die beste Nutzung synthetischer Daten ist in der Regel die gezielte Erweiterung. Es füllt Lücken, erhöht die Variation und bereitet das Modell auf Ereignisse vor, die in realen Aufnahmen nicht oft genug vorkommen.

Trainieren Sie den Szenenkontext, nicht nur die Objektpräsenz

Ein ausgereiftes Imaginative and prescient-KI-System kann mehr als nur Elemente in Pixeln erkennen. Es interpretiert das Geschehen im Kontext. Ein überfüllter Gang kann zu einer Stunde regular sein und zu einer anderen ein Risikosignal. Ein angehaltenes Fahrzeug kann in einer Scenario harmlos und in einer anderen kritisch sein. Ein Defekt kann nur dann von Bedeutung sein, wenn er mit einem bestimmten Standort, Bewegungsmuster oder Betriebszustand kombiniert wird.

Aus diesem Grund sind hochwertige Systeme zunehmend auf umfassendere Kennzeichnungs- und Bewertungsstrategien angewiesen, anstatt sich auf eine enge Leistungsbewertung zu verlassen.

Eine Mini-Story: Als das Modell bis zum Beginn der Nachtschicht genau aussah

Stellen Sie sich einen Einzelhändler vor, der Imaginative and prescient-KI einsetzt, um Verschüttungsrisiken und blockierte Gänge zu erkennen. Während der Pilottests sehen die Ergebnisse überzeugend aus. Das Filmmaterial am Tag ist klar, die Beschriftungen sind ordentlich und das Modell erkennt die offensichtlichsten Probleme.

Dann beginnt die Nachtschicht. Die Beleuchtung ist schwächer. Bodenreflexionen verändern sich. Reinigungswagen blockieren teilweise die Kamerasicht. Mitarbeiter bewegen sich anders. Plötzlich übersieht das System echte Gefahren und überkennt harmlose Aktivitäten.

Am Originalmodell battle nichts auszusetzen, nur unvollständig. Die Trainingsdaten spiegelten eine Model der Umgebung wider, nicht die vollständige Umgebung. Nachdem das Workforce Nachtaufnahmen, Randfallanmerkungen und Rezensenten-Suggestions von Ladenbetreibern hinzugefügt hatte, verbesserte sich die Leistung, da das Modell endlich aus den Bedingungen lernte, denen es tatsächlich ausgesetzt sein würde.

Der Entscheidungsrahmen: wann mehr Daten, mehr Experten oder mehr Suggestions hinzugefügt werden sollen

Eine praktische Möglichkeit zur Verbesserung der visuellen KI besteht darin, vier Fragen zu stellen:

1. Welche Arten von Fehlschlägen sind am wichtigsten?
   Falsch-negative Ergebnisse haben in den Bereichen Sicherheit, Gesundheitswesen, Einzelhandel und Fertigung unterschiedliche Auswirkungen.
2. Welche Erkrankungen sind unterrepräsentiert?
   Achten Sie auf Beleuchtungsschwankungen, Bewegungsunschärfe, Verdeckung, saisonale Veränderungen, Kamerawinkelverschiebungen und seltene Ereignisse.
3. Wo verändert menschliches Urteilsvermögen die Bezeichnung?
   Hier verdienen Fachexperten ihren Lebensunterhalt.
4. Was werden Sie nach dem Begin überwachen?
   Genauigkeit reicht nicht aus. Groups sollten Fehlerraten, Drift, Latenz und Leistung unter sich ändernden realen Bedingungen beobachten.

Wie gute Imaginative and prescient-KI-Operationen aussehen

Die stärksten Trainingsprogramme haben normalerweise einige gemeinsame Gewohnheiten. Sie standardisieren die Daten vor der Kennzeichnung. Sie erstellen Annotationsrichtlinien mit Beispielen und Ausnahmeregeln. Sie fügen QA-Prüfungen hinzu, anstatt davon auszugehen, dass alle Etiketten gleichermaßen zuverlässig sind. Sie verwenden synthetische Daten, um sinnvolle Lücken zu schließen, nicht um die Realität zu ersetzen. Und sie schaffen Feedbackschleifen nach dem Einsatz, sodass Bediener Fehler melden und diese Informationen in die Umschulung einspeisen können.

Aus diesem Grund behandeln viele Groups Imaginative and prescient-Projekte auch als fortlaufende Datenoperationen und nicht als isolierte Modellexperimente. Eine starke Infrastruktur für Trainingsdaten, Überprüfungs- und Aktualisierungszyklen macht es einfacher, Modelle nützlich zu halten, wenn sich die Welt um sie herum verändert.

Abschluss

Qualitativ hochwertige Ergebnisse in der Imaginative and prescient-KI resultieren nicht allein aus der Größe. Sie basieren auf einem besseren Urteilsvermögen darüber, was gesammelt werden soll, wie es gekennzeichnet werden soll, wo Experten eingesetzt werden sollten, wann Randfälle simuliert werden sollten und wie die Leistung nach der Bereitstellung gemessen werden sollte.

Mit anderen Worten: Das Coaching von Imaginative and prescient AI ist nicht so, als würde man einen Tank füllen. Es ist eher so, als würde man eine Mannschaft unter wechselnden Spielbedingungen trainieren. Die besten Systeme werden an realistischen Beispielen trainiert, mit schwierigen Szenarien herausgefordert und kontinuierlich verbessert, sobald sie im Einsatz sind.

Bild vom Autor

# Einführung

Alle Tutorials zur Datenwissenschaft lassen das Erkennen von Ausreißern recht einfach erscheinen. Entfernen Sie alle Werte, die größer als drei Standardabweichungen sind. das ist alles. Aber sobald Sie mit einem tatsächlichen Datensatz arbeiten, bei dem die Verteilung verzerrt ist und ein Stakeholder fragt: „Warum haben Sie diesen Datenpunkt entfernt?“ Du merkst plötzlich, dass du keine gute Antwort hast.

Additionally führten wir ein Experiment durch. Wir haben fünf der am häufigsten verwendeten Methoden zur Erkennung von Ausreißern an einem realen Datensatz (6.497 portugiesische Weine) getestet, um herauszufinden: Liefern diese Methoden konsistente Ergebnisse?

Das haben sie nicht getan. Was wir aus der Meinungsverschiedenheit gelernt haben, erwies sich als wertvoller als alles, was wir aus einem Lehrbuch hätten lernen können.

Bild vom Autor

Wir haben diese Analyse als interaktives Strata-Notizbuch erstellt, ein Format, das Sie für Ihre eigenen Experimente verwenden können Datenprojekt auf StrataScratch. Sie können es anzeigen und ausführen Den vollständigen Code finden Sie hier.

# Einrichten

Unsere Daten stammen aus der Datensatz zur Weinqualitätöffentlich verfügbar über das Machine Studying Repository der UCI. Es enthält physikalisch-chemische Messungen von 6.497 portugiesischen „Vinho Verde“-Weinen (1.599 Rotweine, 4.898 Weißweine) sowie Qualitätsbewertungen von erfahrenen Verkostern.

Wir haben es aus mehreren Gründen ausgewählt. Es handelt sich um Produktionsdaten, nicht um etwas künstlich Generiertes. Die Verteilungen sind schief (6 von 11 Merkmalen haben eine Schiefe ( > 1 )), sodass die Daten nicht den Lehrbuchannahmen entsprechen. Und anhand der Qualitätsbewertungen können wir prüfen, ob die erkannten „Ausreißer“ häufiger bei Weinen mit ungewöhnlichen Bewertungen auftauchen.

Nachfolgend sind die fünf Methoden aufgeführt, die wir getestet haben:

# Die erste Überraschung entdecken: Überhöhte Ergebnisse aus mehreren Exams

Bevor wir Methoden vergleichen konnten, stießen wir an eine Wand. Bei 11 Merkmalen führte der naive Ansatz (Kennzeichnung einer Stichprobe auf der Grundlage eines Extremwerts in mindestens einem Merkmal) zu extrem überhöhten Ergebnissen.

IQR hat etwa 23 % der Weine als Ausreißer gekennzeichnet. Der Z-Rating ist um etwa 26 % gesunken.

Wenn quick jeder vierte Wein als Ausreißer gekennzeichnet wird, stimmt etwas nicht. Echte Datensätze weisen keine 25 % Ausreißer auf. Das Downside bestand darin, dass wir 11 Funktionen unabhängig voneinander getestet haben, was die Ergebnisse überhöht.

Die Rechnung ist einfach. Wenn jedes Merkmal eine Wahrscheinlichkeit von weniger als 5 % hat, einen „zufälligen“ Extremwert zu haben, dann gilt bei 11 unabhängigen Merkmalen:
( P(textual content{mindestens ein Extrem}) = 1 – (0,95)^{11} ungefähr 43% )

Im Klartext: Selbst wenn jedes Merkmal völlig regular ist, würden Sie erwarten, dass quick die Hälfte Ihrer Stichproben zufällig irgendwo mindestens einen Extremwert aufweist.

Um dies zu beheben, haben wir die Anforderung geändert: Markieren Sie ein Beispiel nur, wenn mindestens zwei Merkmale gleichzeitig extrem sind.

Durch die Änderung von min_features von 1 auf 2 wurde die Definition von „Jedes Merkmal der Stichprobe ist extrem“ in „Die Stichprobe ist über mehr als ein Merkmal extrem“ geändert.

Hier ist der Repair im Code:

# Depend excessive options per pattern
outlier_counts = (np.abs(z_scores) > 3.5).sum(axis=1)
outliers = outlier_counts >= 2

# Vergleich von 5 Methoden anhand eines Datensatzes

Nachdem die Lösung für mehrere Exams installiert battle, haben wir gezählt, wie viele Proben jede Methode gemeldet hat:

So richten wir die ML-Methoden ein:

from sklearn.ensemble import IsolationForest
from sklearn.neighbors import LocalOutlierFactor
 
iforest = IsolationForest(contamination=0.05, random_state=42)
lof = LocalOutlierFactor(n_neighbors=20, contamination=0.05)

Warum zeigen die ML-Methoden alle genau 5 % an? Aufgrund des Kontaminationsparameters. Sie müssen genau diesen Prozentsatz angeben. Es handelt sich um eine Quote, nicht um einen Schwellenwert. Mit anderen Worten: Isolation Forest meldet 5 %, unabhängig davon, ob Ihre Daten 1 % echte Ausreißer oder 20 % enthalten.

# Den wahren Unterschied entdecken: Sie identifizieren verschiedene Dinge

Das hat uns am meisten überrascht. Als wir untersuchten, inwieweit die Methoden übereinstimmten, ergab sich das Jaccard-Ähnlichkeit lag zwischen 0,10 und 0,30. Das ist eine schlechte Übereinstimmung.

Von 6.497 Weinen:

• Nur 32 Proben (0,5 %) wurden von allen vier Primärmethoden markiert
• 143 Proben (2,2 %) wurden durch mehr als 3 Methoden gekennzeichnet
• Die verbleibenden „Ausreißer“ wurden nur durch eine oder zwei Methoden gekennzeichnet

Man könnte meinen, dass es sich um einen Fehler handelt, aber genau darum geht es. Jede Methode hat ihre eigene Definition von „ungewöhnlich“:

Wenn ein Wein einen deutlich über dem Durchschnitt liegenden Restzuckergehalt aufweist, handelt es sich um einen univariaten Ausreißer (Z-Rating/IQR erkennt ihn). Aber wenn er von anderen Weinen mit ähnlichem Zuckergehalt umgeben ist, wird LOF ihn nicht kennzeichnen. Im lokalen Kontext ist das regular.

Die eigentliche Frage lautet additionally nicht: „Welche Methode ist die beste?“ Es ist „Was für ein Ungewöhnliches suche ich?“

# Überprüfung der Vernunft: Korrelieren Ausreißer mit der Weinqualität?

Der Datensatz enthält Expertenbewertungen zur Qualität (3–9). Wir wollten wissen: Treten erkannte Ausreißer häufiger bei Weinen mit extremen Qualitätsbewertungen auf?

Weine von extremer Qualität waren im Konsens doppelt so häufig Ausreißer. Das ist eine gute Überprüfung der geistigen Gesundheit. In einigen Fällen ist der Zusammenhang klar: Ein Wein mit viel zu viel flüchtiger Säure schmeckt nach Essig, wird schlecht bewertet und als Ausreißer abgestempelt. Die Chemie bestimmt beide Ergebnisse. Wir können jedoch nicht davon ausgehen, dass dies jeden Fall erklärt. Möglicherweise gibt es Muster, die wir nicht erkennen, oder verwirrende Faktoren, die wir nicht berücksichtigt haben.

# Drei Entscheidungen treffen, die unsere Ergebnisse geprägt haben

// 1. Verwendung eines robusten Z-Scores anstelle eines Commonplace-Z-Scores

Ein Commonplace-Z-Rating verwendet den Mittelwert und die Standardabweichung der Daten, die beide von den in unserem Datensatz vorhandenen Ausreißern beeinflusst werden. Ein robuster Z-Rating verwendet stattdessen den Median und die mittlere absolute Abweichung (Median Absolute Deviation, MAD), die nicht von Ausreißern beeinflusst werden.

Infolgedessen identifizierte der Commonplace-Z-Rating 0,8 % der Daten als Ausreißer, während der Sturdy-Z-Rating 3,5 % identifizierte.

# Sturdy Z-Rating utilizing median and MAD
median = np.median(information, axis=0)
mad = np.median(np.abs(information - median), axis=0)
robust_z = 0.6745 * (information - median) / mad

// 2. Rot- und Weißweine getrennt skalieren

Rot- und Weißweine haben unterschiedliche Grundwerte an Chemikalien. Wenn beispielsweise Rot- und Weißweine in einem einzigen Datensatz kombiniert werden, kann ein Rotwein, der im Vergleich zu anderen Rotweinen eine völlig durchschnittliche Chemie aufweist, allein aufgrund seines Schwefelgehalts im Vergleich zum kombinierten Mittelwert von Rot- und Weißweinen als Ausreißer identifiziert werden. Daher haben wir jeden Weintyp separat anhand des Medians und des Interquartilbereichs (IQR) jedes Weintyps skaliert und dann beide kombiniert.

# Scale every wine sort individually
from sklearn.preprocessing import RobustScaler
scaled_parts = ()
for wine_type in ('pink', 'white'):
    subset = df(df('sort') == wine_type)(options)
    scaled_parts.append(RobustScaler().fit_transform(subset))

// 3. Wissen, wann eine Methode ausgeschlossen werden sollte

Bei Elliptic Envelope wird davon ausgegangen, dass Ihre Daten einer multivariaten Normalverteilung folgen. Bei uns battle das nicht der Fall. Sechs von elf Options hatten eine Schiefe über 1 und ein Characteristic erreichte 5,4. Der Vollständigkeit halber haben wir den Elliptischen Umschlag im Vergleich beibehalten, ihn jedoch bei der Konsensabstimmung nicht berücksichtigt.

# Bestimmen, welche Methode für diesen Weindatensatz am besten geeignet ist

Bild vom Autor

Können wir angesichts der Merkmale unserer Daten (starke Schiefe, gemischte Grundgesamtheit, keine bekannte Grundwahrheit) einen „Gewinner“ auswählen?

Robuster Z-Rating, IQR, Isolation Forest und LOF verarbeiten alle verzerrte Daten einigermaßen intestine. Wenn wir gezwungen wären, uns für eines zu entscheiden, würden wir uns für Isolation Forest entscheiden: keine Verteilungsannahmen, berücksichtigt alle Merkmale auf einmal und geht elegant mit gemischten Populationen um.

Aber keine einzelne Methode kann alles:

• Isolation Forest kann Ausreißer übersehen, die nur bei einem Merkmal extrem sind (Z-Rating/IQR fängt diese ab)
• Z-Rating/IQR kann Ausreißer übersehen, die bei mehreren Merkmalen ungewöhnlich sind (mehrdimensionale Ausreißer).

Der bessere Ansatz: mehrere Methoden nutzen und dem Konsens vertrauen. Die 143 Weine, die durch drei oder mehr Methoden gekennzeichnet wurden, sind weitaus zuverlässiger als alle Weine, die nur durch eine einzelne Methode gekennzeichnet wurden.

So haben wir den Konsens berechnet:

# Depend what number of strategies flagged every pattern
consensus = zscore_out + iqr_out + iforest_out + lof_out
high_confidence = df(consensus >= 3)  # Recognized by 3+ strategies

Ohne Grundwahrheit (wie in den meisten realen Projekten) ist die Methodenübereinstimmung das beste Maß für die Zuverlässigkeit.

# Verstehen Sie, was das alles für Ihre eigenen Projekte bedeutet

Definieren Sie Ihr Downside, bevor Sie Ihre Methode auswählen. Was für ein „Ungewöhnliches“ suchen Sie eigentlich? Dateneingabefehler sehen anders aus als Messanomalien, und beide sehen anders aus als wirklich seltene Fälle. Die Artwork des Issues weist auf unterschiedliche Methoden hin.

Überprüfen Sie Ihre Annahmen. Wenn Ihre Daten stark verzerrt sind, führen Sie der Commonplace-Z-Rating und der Elliptische Umschlag in die Irre. Schauen Sie sich Ihre Verteilungen an, bevor Sie sich auf eine Methode festlegen.

Verwenden Sie mehrere Methoden. Proben, die von drei oder mehr Methoden mit unterschiedlichen Definitionen von „Ausreißer“ gekennzeichnet wurden, sind vertrauenswürdiger als Proben, die nur von einer Methode gekennzeichnet wurden.

Gehen Sie nicht davon aus, dass alle Ausreißer entfernt werden sollten. Ein Ausreißer könnte ein Fehler sein. Es könnte auch Ihr interessantester Datenpunkt sein. Den Ausschlag gibt Domänenwissen, nicht Algorithmen.

# Abschließende Bemerkungen

Der Punkt hier ist nicht, dass die Ausreißererkennung fehlerhaft ist. Es ist so, dass „Ausreißer“ unterschiedliche Bedeutungen hat, je nachdem, wer fragt. Z-Rating und IQR fangen Werte ab, die in einer einzelnen Dimension extrem sind. Isolation Forest und LOF finden Proben, die in ihrem Gesamtmuster hervorstechen. Elliptischer Umschlag funktioniert intestine, wenn Ihre Daten tatsächlich Gaußsche Daten sind (unsere waren das nicht).

Finden Sie heraus, wonach Sie wirklich suchen, bevor Sie sich für eine Methode entscheiden. Und wenn Sie sich nicht sicher sind? Führen Sie mehrere Methoden aus und folgen Sie dem Konsens.

# FAQs

// 1. Bestimmen, mit welcher Technik ich beginnen sollte

Ein guter Ausgangspunkt ist die Isolation Forest-Technik. Es geht nicht davon aus, wie Ihre Daten verteilt sind, und nutzt alle Ihre Funktionen gleichzeitig. Wenn Sie jedoch Extremwerte für eine bestimmte Messung identifizieren möchten (z. B. sehr hohe Blutdruckwerte), sind Z-Rating oder IQR möglicherweise besser dafür geeignet.

// 2. Auswahl einer Kontaminationsrate für Scikit-Be taught-Methoden

Es hängt von dem Downside ab, das Sie lösen möchten. Ein häufig verwendeter Wert ist 5 % (oder 0,05). Bedenken Sie jedoch, dass es sich bei der Kontamination um eine Quote handelt. Das bedeutet, dass 5 % Ihrer Stichproben als Ausreißer klassifiziert werden, unabhängig davon, ob Ihre Daten tatsächlich 1 % oder 20 % echte Ausreißer enthalten. Verwenden Sie eine Kontaminationsrate, die auf Ihrem Wissen über den Anteil der Ausreißer in Ihren Daten basiert.

// 3. Entfernen von Ausreißern vor der Aufteilung von Trainings-/Testdaten

Nein. Sie sollten ein Ausreißererkennungsmodell an Ihren Trainingsdatensatz anpassen und das trainierte Modell dann auf Ihren Testdatensatz anwenden. Andernfalls beeinflussen Ihre Testdaten Ihre Vorverarbeitung, was zu Lecks führt.

// 4. Umgang mit kategorialen Merkmalen

Die hier behandelten Techniken arbeiten mit numerischen Daten. Es gibt drei mögliche Alternativen für kategoriale Merkmale:

• kodieren Sie Ihre kategorialen Variablen und fahren Sie fort;
• Verwenden Sie eine Technik, die für gemischte Datentypen entwickelt wurde (z. B. HBOS).
• Führen Sie die Ausreißererkennung für numerische Spalten separat durch und verwenden Sie häufigkeitsbasierte Methoden für kategoriale Spalten.

// 5. Wissen, ob ein markierter Ausreißer ein Fehler oder einfach nur ungewöhnlich ist

Sie können anhand des Algorithmus allein nicht bestimmen, wann ein identifizierter Ausreißer einen Fehler darstellt und wann er einfach ungewöhnlich ist. Es markiert, was ungewöhnlich ist, nicht, was falsch ist. Beispielsweise könnte ein Wein mit einem extrem hohen Restzuckergehalt ein Dateneingabefehler sein, oder es könnte sich um einen Dessertwein handeln, der so süß sein soll. Letztlich kann nur Ihre Fachkompetenz eine Antwort liefern. Wenn Sie sich nicht sicher sind, markieren Sie es zur Überprüfung, anstatt es automatisch zu entfernen.

Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist außerdem außerordentlicher Professor für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich mit echten Interviewfragen von Prime-Unternehmen auf ihre Interviews vorzubereiten. Nate schreibt über die neuesten Traits auf dem Karrieremarkt, gibt Ratschläge zu Vorstellungsgesprächen, stellt Information-Science-Projekte vor und behandelt alles rund um SQL.

Hatten Sie jemals eine Idee für etwas, das cool aussah, aber in der Praxis nicht intestine funktionierte? Wenn es um die Gestaltung von Dingen wie Dekoration und persönlichen Accessoires geht, können Modelle der generativen künstlichen Intelligenz (genAI) eine Rolle spielen. Sie können kreative und aufwändige 3D-Designs erstellen, aber wenn man versucht, solche Blaupausen in reale Objekte umzuwandeln, halten sie dem alltäglichen Gebrauch meist nicht stand.

Das zugrunde liegende Downside besteht darin, dass genAI-Modellen oft ein Verständnis der Physik fehlt. Während Instruments wie die von Microsoft GITTER Wenn das System aus einer Textaufforderung oder einem Bild ein 3D-Modell erstellen kann, ist das Design beispielsweise für einen Stuhl möglicherweise instabil oder weist nicht verbundene Teile auf. Das Modell versteht nicht vollständig, wozu Ihr beabsichtigtes Objekt dienen soll. Selbst wenn Ihr Sitz additionally in 3D gedruckt werden kann, würde er wahrscheinlich unter der Kraft einer sitzenden Individual auseinanderfallen.

Um diese Entwürfe in der realen Welt zum Laufen zu bringen, unterziehen Forscher des Laptop Science and Synthetic Intelligence Laboratory (CSAIL) des MIT generative KI-Modelle einem Realitätscheck. Ihr „PhysiOpt“-System erweitert diese Instruments durch physikalische Simulationen, sodass Blaupausen für persönliche Gegenstände wie Tassen, Schlüsselhalter und Buchstützen beim 3D-Druck wie vorgesehen funktionieren. Es testet schnell, ob die Struktur Ihres 3D-Modells realisierbar ist, indem es kleinere Formen sanft modifiziert und gleichzeitig sicherstellt, dass das Gesamterscheinungsbild und die Funktion des Designs erhalten bleiben.

Sie können einfach in PhysiOpt eingeben, was Sie erstellen möchten und wofür es verwendet werden soll, oder ein Bild auf die Benutzeroberfläche des Methods hochladen, und in etwa einer halben Minute erhalten Sie ein realistisches 3D-Objekt zum Herstellen. CSAIL-Forscher veranlassten sie beispielsweise, ein „Flamingo-förmiges Trinkglas“ zu entwickeln, das sie in 3D zu einem Trinkglas mit einem Griff und einer Foundation druckten, die dem Bein des tropischen Vogels ähneln. Während der Entwurf erstellt wurde, nahm PhysiOpt geringfügige Verfeinerungen vor, um sicherzustellen, dass der Entwurf strukturell einwandfrei warfare.

„PhysiOpt kombiniert GenAI und physikalisch-basierte Formoptimierung und hilft praktisch jedem, die gewünschten Designs für einzigartige Accessoires und Dekorationen zu erstellen“, sagt Xiao Sean Zhan SM ’25, Doktorand in Elektrotechnik und Informatik (EECS) am MIT und CSAIL-Forscher, der Co-Hauptautor von a ist Papier die Arbeit vorstellen. „Es handelt sich um ein automatisches System, das es Ihnen ermöglicht, die Type unter bestimmten Einschränkungen physisch herstellbar zu machen. PhysiOpt kann seine Kreationen so oft wiederholen, wie Sie möchten, ohne zusätzliche Schulung.“

Mit diesem Ansatz können Sie ein „intelligentes Design“ erstellen, bei dem der KI-Generator Ihren Artikel auf der Grundlage der Benutzerspezifikationen erstellt und dabei die Funktionalität berücksichtigt. Sie können Ihr bevorzugtes generatives 3D-KI-Modell anschließen, und nachdem Sie eingegeben haben, was Sie generieren möchten, geben Sie an, wie viel Kraft oder Gewicht das Objekt aushalten soll. Dies ist eine gute Möglichkeit, den realen Gebrauch zu simulieren, beispielsweise um vorherzusagen, ob ein Haken stark genug ist, um Ihren Mantel zu halten. Benutzer geben außerdem an, aus welchen Materialien sie den Artikel herstellen (z. B. Kunststoff oder Holz) und wie er gestützt wird – beispielsweise steht eine Tasse auf dem Boden, während eine Buchstütze an einer Büchersammlung lehnt.

Angesichts der Besonderheiten beginnt PhysiOpt mit der iterativen Optimierung des Objekts. Unter der Haube läuft eine physikalische Simulation namens „Finite-Elemente-Analyse“, um das Design einem Stresstest zu unterziehen. Dieser umfassende Scan liefert eine Heatmap über Ihrem 3D-Modell, die anzeigt, wo Ihr Entwurf nicht intestine unterstützt wird. Wenn Sie beispielsweise ein Vogelhaus bauen, stellen Sie möglicherweise fest, dass die Stützbalken unter dem Haus leuchtend rot gefärbt sind, was bedeutet, dass das Haus einstürzen wird, wenn es nicht verstärkt wird.

PhysiOpt kann sogar noch mutigere Stücke erstellen. Forscher sahen diese Vielseitigkeit aus erster Hand, als sie einen Steampunk-Schlüsselanhänger (ein Stil, der viktorianische und futuristische Ästhetik verbindet) mit komplizierten, roboterhaft aussehenden Haken und einem „Giraffentisch“ mit flacher Rückseite herstellten, auf dem man Gegenstände ablegen konnte. Aber woher wusste es, was „Steampunk“ ist oder wie so ein einzigartiges Möbelstück aussehen sollte?

Bemerkenswerterweise ist die Antwort keine umfassende Schulung – zumindest nicht seitens der Forscher. Stattdessen verwendet PhysiOpt ein vorab trainiertes Modell, das bereits Tausende von Formen und Objekten gesehen hat. „Bestehende Systeme benötigen oft viel zusätzliches Coaching, um ein semantisches Verständnis dessen zu entwickeln, was Sie sehen möchten“, fügt Co-Hauptautor Clément Jambon hinzu, der auch Doktorand am MIT EECS und CSAIL-Forscher ist. „Aber wir verwenden ein Modell, bei dem das Gespür für das, was Sie erstellen möchten, bereits integriert ist, sodass PhysiOpt keine Schulung erfordert.“

Durch die Arbeit mit einem vorab trainierten Modell kann PhysiOpt „Formprioritäten“ oder das Wissen darüber, wie Formen basierend auf einem früheren Coaching aussehen sollten, nutzen, um das zu generieren, was Benutzer sehen möchten. Es ist so, als würde ein Künstler den Stil eines berühmten Malers nachbilden. Ihr Fachwissen basiert auf der genauen Untersuchung verschiedener künstlerischer Ansätze, sodass sie wahrscheinlich in der Lage sind, diese bestimmte Ästhetik widerzuspiegeln. Ebenso hilft die Vertrautheit eines vorab trainierten Modells mit Formen bei der Generierung von 3D-Modellen.

CSAIL-Forscher stellten fest, dass das visuelle Know-how von PhysiOpt dazu beitrug, 3D-Modelle effizienter zu erstellen als „DiffIPC„, eine vergleichbare Methode, die Formen simuliert und optimiert. Als beide Ansätze mit der Generierung von 3D-Designs für Gegenstände wie Stühle beauftragt wurden, warfare das System von CSAIL professional Iteration quick zehnmal schneller und schuf gleichzeitig realistischere Objekte.

PhysiOpt stellt eine potenzielle Brücke zwischen Ideen und realen persönlichen Gegenständen dar. Was Sie vielleicht für eine großartige Idee für eine Kaffeetasse halten, könnte bald den Sprung von Ihrem Computerbildschirm auf Ihren Schreibtisch schaffen. Und während PhysiOpt bereits die Stresstests für Designer durchführt, könnte es bald in der Lage sein, Einschränkungen wie Lasten und Grenzen vorherzusagen, anstatt dass Benutzer diese Particulars angeben müssen. Dieser autonomere, vernünftigere Ansatz könnte durch die Einbindung von Imaginative and prescient-Language-Modellen ermöglicht werden, die das Verständnis menschlicher Sprache mit Laptop Imaginative and prescient kombinieren.

Darüber hinaus beabsichtigen Zhan und Jambon, die Artefakte oder zufälligen Fragmente, die gelegentlich in den 3D-Modellen von PhysiOpt auftauchen, zu entfernen, indem sie das System noch physikbewusster machen. Die MIT-Wissenschaftler überlegen auch, wie sie komplexere Einschränkungen für verschiedene Herstellungstechniken modellieren können, beispielsweise die Minimierung überhängender Komponenten für den 3D-Druck.

Zhan und Jambon haben ihre Arbeit mit Kenney Ng ’89, SM ’90, PhD ’00, dem leitenden Forschungswissenschaftler des Watson AI Lab des MIT-IBM Watson, und zwei CSAIL-Kollegen geschrieben: dem Bachelor-Forscher Evan Thompson und der Assistenzprofessorin Mina Konaković Luković, einer leitenden Forscherin im Labor.

Die Arbeit der Forscher wurde teilweise vom MIT-IBM Watson AI Laboratory und der Wistron Corp. unterstützt. Sie präsentierten sie im Dezember auf der SIGGRAPH-Konferenz und Ausstellung über Computergrafik und interaktive Techniken der Affiliation for Computing Equipment in Asien.

Agentische KI-Systeme basieren auf großen Sprachmodellen und stellen eine Verbindung zu Instruments, Speicher und externen Umgebungen her. Sie unterstützen bereits wissenschaftliche Entdeckungen, Softwareentwicklung und klinische Forschung, kämpfen jedoch immer noch mit unzuverlässiger Werkzeugnutzung, schwacher langfristiger Planung und schlechter Verallgemeinerung. Die neueste Forschungsarbeit ‚Anpassung der Agenten-KIVon Stanford, Harvard, UC Berkeley schlägt Caltech eine einheitliche Sicht darauf vor, wie sich diese Systeme anpassen sollten, und ordnet vorhandene Methoden einem kompakten, mathematisch definierten Rahmen zu.

Wie diese Forschungsarbeit ein Agenten-KI-System modelliert?

Die Forschungsumfrage modelliert ein Agenten-KI-System als Basismodellagenten zusammen mit drei Schlüsselkomponenten. Ein Planungsmodul zerlegt Ziele in Handlungssequenzen und verwendet dabei statische Verfahren wie Chain-of-Thought und Tree-of-Thought oder dynamische Verfahren wie ReAct und Reflexion, die auf Suggestions reagieren. Ein Instrument-Nutzungsmodul verbindet den Agenten mit Websuchmaschinen, APIs, Codeausführungsumgebungen, Modellkontextprotokollen und Browserautomatisierung. Ein Speichermodul speichert kurzfristigen Kontext und langfristiges Wissen, auf das durch Retrieval Augmented Era zugegriffen wird. Die Anpassung ändert Eingabeaufforderungen oder Parameter für diese Komponenten mithilfe überwachter Feinabstimmung, präferenzbasierter Methoden wie der direkten Präferenzoptimierung, Methoden des verstärkenden Lernens wie der Optimierung der Proximalrichtlinie und der Optimierung der relativen Gruppenrichtlinie sowie parametereffizienter Techniken wie der Adaption niedriger Ränge.

Vier Anpassungsparadigmen

Das Framework definiert 4 Anpassungsparadigmen durch die Kombination von 2 binären Entscheidungen. Die erste Dimension ist das Ziel, Agentenanpassung versus Werkzeuganpassung. Die zweite Dimension ist das Überwachungssignal, die Instrument-Ausführung im Vergleich zur Agenten-Ausgabe. Daraus ergeben sich A1 und A2 für die Anpassung des Agenten und T1 und T2 für die Anpassung der Werkzeuge.

A1, Instrument Execution Signaled Agent Adaptation, optimiert den Agenten mithilfe von Suggestions aus der Toolausführung. A2, Agent Output Signaled Agent Adaptation, optimiert den Agenten mithilfe eines Indicators, das nur an seinen endgültigen Ausgängen definiert ist. T1, Agent-Agnostic Instrument Adaptation, optimiert Instruments, ohne sich auf einen bestimmten Agenten zu beziehen. T2, Agent-Supervised Instrument Adaptation, optimiert Instruments unter Aufsicht eines festen Agenten.

A1, Lernen aus überprüfbarem Instrument-Suggestions

In A1 empfängt der Agent eine Eingabe x, erzeugt einen strukturierten Instrument-Aufruf a, die Instruments geben ein Ergebnis y zurück und das Lernziel O_tool misst den Instrument-Erfolg, zum Beispiel die Richtigkeit der Ausführung oder die Qualität des Abrufs. Der Artikel behandelt sowohl die überwachte Nachahmung erfolgreicher Werkzeugverläufe als auch das verstärkende Lernen, bei dem überprüfbare Werkzeugergebnisse als Belohnung verwendet werden.

Toolformer, ToolAlpaca und Gorilla veranschaulichen überwachte A1-Methoden, da jede Ausführungsergebnisse realer Instruments verwendet, um Trainingsspuren vor der Nachahmung zu erstellen oder zu filtern. Bei allen bleibt das Überwachungssignal auf der Ebene des Werkzeugverhaltens definiert, nicht auf der Ebene der endgültigen Antwort.

DeepRetrieval ist ein zentrales Beispiel für verstärktes A1-Lernen. Es stellt die Abfrageneuformulierung als einen Markov-Entscheidungsprozess dar, bei dem der Standing die Benutzerabfrage ist, die Aktion eine umgeschriebene Abfrage ist und die Belohnung Abrufmetriken wie Recall und nDCG, einen Formatbegriff, und, für Textual content zu SQL, SQL-Ausführungsgenauigkeit kombiniert. Die Richtlinie wird mit KL-regularisierter Proximal-Richtlinienoptimierung trainiert und das gleiche Ziel umfasst die Literatursuche, die Beantwortung von Korpusfragen und die Textausgabe in SQL.

A2, Lernen aus den endgültigen Agentenausgaben

A2 deckt Fälle ab, in denen das Optimierungsziel O_Agent nur von der endgültigen Ausgabe o abhängt, die vom Agenten erzeugt wird, selbst wenn der Agent intern Instruments verwendet. Die Umfrage zeigt, dass die alleinige Überwachung von o nicht ausreicht, um Werkzeuge beizubringen, da der Agent Werkzeuge ignorieren und dennoch die Wahrscheinlichkeit verbessern kann. Effektive A2-Systeme kombinieren daher die Überwachung von Instrument-Aufrufen mit der Überwachung von endgültigen Antworten oder weisen o spärliche Belohnungen zu, wie z. B. die Genauigkeit der exakten Übereinstimmung, und verbreiten sie über die gesamte Flugbahn zurück.

T1, agentenunabhängiges Instrument-Coaching

T1 friert den Hauptagenten ein und optimiert die Instruments, sodass sie weitgehend wiederverwendbar sind. Das Ziel O_tool hängt nur von den Werkzeugausgaben ab und wird anhand von Metriken wie Abrufgenauigkeit, Rating-Qualität, Simulationstreue oder Erfolg nachgelagerter Aufgaben gemessen. Von A1 trainierte Suchrichtlinien wie DeepRetrieval können später als T1-Instruments in neuen Agentensystemen wiederverwendet werden, ohne den Hauptagenten zu ändern.

T2, Werkzeuge optimiert unter einem gefrorenen Agenten

T2 geht von einem leistungsstarken, aber festen Agenten A aus, was häufig der Fall ist, wenn es sich bei dem Agenten um ein Closed-Supply-Grundmodell handelt. Das Instrument führt Aufrufe aus und gibt Ergebnisse zurück, die der Agent dann zur Erstellung von o verwendet. Das Optimierungsziel lebt wieder von O_agent, aber die trainierbaren Parameter gehören zum Instrument. Das Papier beschreibt qualitätsgewichtetes Coaching, zielbasiertes Coaching und Reinforcement-Studying-Varianten, die alle Lernsignale für das Instrument aus den endgültigen Agentenausgaben ableiten.

Die Umfrage behandelt das Langzeitgedächtnis als Sonderfall von T2. Der Speicher ist ein externer Speicher, der durch gelernte Funktionen geschrieben und gelesen wird, und der Agent bleibt eingefroren. Zu den jüngsten T2-Systemen gehören s3, das einen 7-Milliarden-Parametersucher trainiert, der eine durch einen eingefrorenen Generator definierte Acquire-Past-RAG-Belohnung maximiert, und AgentFlow, das einen Planer trainiert, größtenteils eingefrorene Qwen2.5-basierte Module mithilfe von Circulate GRPO zu orchestrieren.

Wichtige Erkenntnisse

• Die Forschung definiert einen präzisen 4-Paradigmen-Rahmen für die Anpassung der Agenten-KI, indem sie zwei Dimensionen kreuzt: ob die Anpassung auf den Agenten oder die Instruments abzielt und ob das Überwachungssignal von der Toolausführung oder von den endgültigen Agentenausgaben kommt.
• A1-Methoden wie Toolformer, ToolAlpaca, Gorilla und DeepRetrieval passen den Agenten direkt anhand von überprüfbarem Instrument-Suggestions an, einschließlich Abrufmetriken, SQL-Ausführungsgenauigkeit und Codeausführungsergebnissen, oft optimiert mit KL-regularisierter Proximal Coverage Optimization.
• A2-Methoden optimieren den Agenten anhand von Signalen zu endgültigen Ausgaben, beispielsweise Antwortgenauigkeit, und das Papier zeigt, dass Systeme immer noch Werkzeugaufrufe überwachen oder spärliche Belohnungen über vollständige Trajektorien verbreiten müssen, andernfalls kann der Agent Werkzeuge ignorieren und gleichzeitig die Wahrscheinlichkeit erhöhen.
• T1 und T2 verlagern das Lernen auf Werkzeuge und Gedächtnis, T1 trainiert allgemein nützliche Retriever, Sucher und Simulatoren ohne einen bestimmten Agenten im Hinterkopf, während T2 Werkzeuge unter einem eingefrorenen Agenten anpasst, wie in s3 und AgentFlow, wo ein fester Generator einen erlernten Sucher und Planer überwacht.
• Das Forschungsteam stellt eine Anpassungslandschaft vor, die monolithische versus modulare und lokale versus systemische Kontrolle in Beziehung setzt, und argumentiert, dass praktische Systeme seltene A1- oder A2-Updates auf einem starken Basismodell mit häufigen T1- und T2-Anpassungen von Retrievern, Suchrichtlinien, Simulatoren und Speicher für Robustheit und Skalierbarkeit kombinieren.

Schauen Sie sich das an Papier Und GitHub-Repo. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Michal Sutter ist ein Knowledge-Science-Experte mit einem Grasp of Science in Knowledge Science von der Universität Padua. Mit einer soliden Grundlage in statistischer Analyse, maschinellem Lernen und Datentechnik ist Michal hervorragend darin, komplexe Datensätze in umsetzbare Erkenntnisse umzuwandeln.

Bild vom Autor | Canva

# Einführung

Zeitreihendaten sind überall. Die Aktienkurse steigen täglich. Die Temperaturen verschieben sich. Der Web site-Verkehr steigt und stürzt ab. Die meisten Leute zeichnen eine Linie. Dann hören sie auf.

Aber Folgendes verrät Ihnen ein einzelnes Diagramm nicht: Beschleunigt sich der Pattern? Entschleunigung? Steht kurz vor dem kompletten Rückwärtsgang?

In diesem Artikel analysieren wir die realen Inflationserwartungen mithilfe von drei komplementären Techniken: gleitende Durchschnitte, Veränderungen im JahresvergleichUnd Bollinger-Bänder.

Bild vom Autor

Jede Methode beantwortet eine andere Frage zu denselben Daten. Gleitende Durchschnitte decken die Trendrichtung auf, Veränderungen im Jahresvergleich verdeutlichen Momentumverschiebungen und Bollinger-Bänder offenbaren Perioden extremer Bewegungen.

Wir werden diese Techniken verwenden, um den 5-Jahres-Inflationsdatentrend von Oktober 2020 bis Oktober 2025 zu analysieren.

# Unseren Datensatz verstehen: Entschlüsselung der 10-Jahres-Breakeven-Inflationsrate

Um unseren Datensatz zu verstehen, müssen wir zunächst die Kennzahl verstehen, auf der er basiert: die 10-jährige Breakeven-Inflationsrate (T10YIE).

Der T10YIE stellt die Inflationserwartungen des Marktes für das nächste Jahrzehnt dar. Einfache Rechnung: Subtrahieren Sie die inflationsgeschützten Renditen von Staatsanleihen von den regulären Renditen von Staatsanleihen.

// Was bedeutet es?

Wenn T10YIE = 2,5 %, erwartet der Markt eine durchschnittliche jährliche Inflation von 2,5 % über 10 Jahre. Höhere Werte bedeuten stärkere Inflationserwartungen. Niedrigere Werte bedeuten schwächere Inflations- oder Deflationsängste.

// Warum Ökonomen und die Fed diesen Zinssatz wie die Falken beobachten

Die Federal Reserve beobachtet diese Kennzahl genau. Steigende Breakeven-Raten signalisieren mögliche Inflationssorgen die Zinserhöhungen der Federal Reserve. Starke Rückgänge können auf Rezessionsängste oder Deflationsdruck hinweisen.

// Unsere Daten im Überblick: 5 Jahre Inflationserwartungen (2020–2025)

Jetzt verwenden wir Das Datensatz.

Screenshot | FRED

Klicken Sie auf „Herunterladen“, um die Datei auf Ihrem Pc zu speichern.

Wenn Sie daran interessiert sind, ähnliche Datensätze aus der realen Welt zu erkunden und Datenanalyse und -visualisierung zu üben, schauen Sie hier vorbei StrataScratch. Es handelt sich um eine Plattform für den Zugriff auf authentische Datensätze, die in den Bereichen Finanzen, Technologie und öffentliche Datenquellen verwendet werden.

// Machen Sie sich mit den Daten vertraut: Struktur, Quelle und zusammenfassende Statistiken

Hier einige Informationen zu unserem Datensatz:

• Quelle: Wirtschaftsdaten der Federal Reserve (FRED).
• Zeitraum: Oktober 2020 – Oktober 2025 (5 Jahre).
• Häufigkeit: Tägliche Beobachtungen.
• Gesamtbeobachtungen: 1.305 Datenpunkte.
• Bereich: 1,64 % bis 3,02 %.
• Durchschnitt: 2,33 %.

Lesen wir diesen Datensatz und sehen wir uns die ersten paar Zeilen an. Hier ist der Code:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

df= pd.read_csv("T10YIE.csv")
df.head()

Hier ist die Ausgabe:

Es handelt sich um einen einfachen Datensatz, der nur aus zwei Spalten besteht: observation_date Und T10YIE.

# Trendanalyse: Drei Techniken für Einblicke in Zeitreihen

Wir beginnen mit der Technik der gleitenden Durchschnitte.

// Technik 1: Gleitende Durchschnitte

Gleitende Durchschnitte glätten kurzfristige Schwankungen. Sie offenbaren zugrunde liegende Tendencies. Nehmen Sie einen gleitenden 30-Tage-Durchschnitt. Es berechnet den Mittelwert der letzten 30 Tage. Das Ergebnis? Eine glattere Linie, die alltägliche Geräusche filtert.

Die Finanzmärkte sind chaotisch. Tagessätze steigen aufgrund von Schlagzeilen. Sie fallen auf Gewinnberichte. Geopolitische Ereignisse bringen sie ins Wanken. Gleitende Durchschnitte durchkreuzen all dies. Sie zeigen Ihnen die tatsächliche Trendrichtung unter dem Chaos.

Typen:

• Kurzfristiger MA (30 Tage): Erfasst aktuelle Veränderungen.
• Langfristiger MA (90 Tage): Zeigt eine breitere Trendrichtung.
  • Crossovers: Wenn der Quick-MA den Lengthy-MA kreuzt = Aufwärtstrendsignal.

Hier ist der Code:

df('T10YIE') = df('T10YIE').ffill()
df('MA_30') = df('T10YIE').rolling(window=30).imply()
df('MA_90') = df('T10YIE').rolling(window=90).imply()

plt.determine(figsize=(15, 7))

plt.plot(df.index, df('T10YIE'), label="Each day Price", alpha=0.4, linewidth=0.8, coloration="grey")
plt.plot(df.index, df('MA_30'), label="30-Day MA", linewidth=2, coloration="blue")
plt.plot(df.index, df('MA_90'), label="90-Day MA", linewidth=2, coloration="purple")

plt.axvspan(0, 200, coloration="palegreen", alpha=0.3, label="Part 1: Restoration")
plt.axvspan(200, 500, coloration="lightcoral", alpha=0.3, label="Part 2: Volatility")
plt.axvspan(500, 1000, coloration="lightblue", alpha=0.3, label="Part 3: Decline")
plt.axvspan(1000, df.index(-1), coloration="plum", alpha=0.3, label="Part 4: Stabilization")

plt.title('Breakeven Inflation Price with Highlighted Phases', fontsize=14, fontweight="daring")
plt.ylabel('Inflation Price (%)')
plt.xlabel('Date')
plt.grid(True, alpha=0.3)

plt.legend(loc="higher proper")

plt.tight_layout()
plt.present()

Hier ist die Ausgabe:

// Ergebnisse und Interpretation

Die gleitenden Durchschnitte zeigen deutliche Muster der Inflationserwartungen über fünf Jahre hinweg.

Part 1: Deutliche Erholung (Tage 0–200)
Beide Durchschnittswerte steigen steil von 1,7 % auf 2,4 %. Der 30-Tage-MA steigt schneller. Dieser Zeitraum erfasst die Wiedereröffnung der Wirtschaft nach COVID. Massiv fiskalische Anreize trieb die Inflationserwartungen in die Höhe.

Part 2: Zeitraum hoher Volatilität (Tage 200–500)
Die Tagessätze steigen um Tag 400 auf 3,0 %. Der 30-Tage-MA erreicht 2,9 %. Dies entspricht dem Inflationsanstieg 2022. Störungen der Lieferkette Schlag. Russland ist in die Ukraine einmarschiert. Die Energiepreise explodierten.

Part 3: Der Niedergang (Tage 500–1000)
Der 30-Tage-MA tendiert stark nach unten und fällt auf 2,2 % nahe Tag 1000. Die Fed erhöhte die Zinsen in den Jahren 2022 und 2023 aggressiv. Die Inflationserwartungen kühlten ab, als die Politik funktionierte.

Part 4: Jüngste Stabilisierung (Tage 1000–1300)
Der 30-Tage-MA bewegt sich zwischen 2,3 % und 2,4 %. Minimale Fluktuation. Die Märkte sind zuversichtlich, dass sich die Inflation in der Nähe normalisiert Das 2 %-Ziel der Fed. Zinserhöhungen wurden ausgesetzt.

Wichtige Erkenntnisse
Der 30-Tage-MA hat jeden Wendepunkt frühzeitig erkannt. Als sie Anfang 2021 stark anstieg, folgte der Inflationsschub. Mit dem Rückgang Mitte 2022 begann die Abkühlung. Die derzeitige Stabilität deutet darauf hin, dass die Märkte davon ausgehen, dass der Inflationsschock vorüber ist.

// Technik 2: Veränderung im Jahresvergleich

Die Veränderung im Jahresvergleich (YoY) vergleicht den heutigen Wert mit dem gleichen Tag vor einem Jahr. Die Antwort lautet: „Sind die Inflationserwartungen höher oder niedriger als vor 12 Monaten?“

Dadurch wird saisonales Rauschen entfernt und ein reiner Richtungsimpuls angezeigt. Constructive Werte = Erwartungen steigen im Jahresvergleich. Unfavorable Werte = Erwartungen, die im Jahresvergleich sinken. Null = flacher Pattern.

Hier ist die Formel zur Berechnung der Veränderung gegenüber dem Vorjahr, wobei ( V_t ) der aktuelle Wert und ( V_{t-365} ) der Wert von vor einem Jahr (ca. 252 Handelstage) ist:

$$
textual content{YoY Change} = V_t – V_{t-365}
$$

Im Code sieht es so aus:

import pandas as pd
import matplotlib.pyplot as plt

df('T10YIE') = df('T10YIE').ffill()
# Calculating diff primarily based on buying and selling days (approx 252 per 12 months)
df('YoY_Change') = df('T10YIE').diff(252)

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 10), sharex=True)

ax1.plot(df.index, df('T10YIE'), coloration="blue", linewidth=1)
ax1.set_ylabel('Inflation Price (%)')
ax1.set_title('Breakeven Inflation Price (Authentic)', fontsize=12, fontweight="daring")
ax1.grid(True, alpha=0.3)

ax2.plot(df.index, df('YoY_Change'), coloration="darkred", linewidth=1.5)
ax2.axhline(y=0, coloration="black", linestyle="--", linewidth=1.5, alpha=0.7)

ax2.fill_between(df.index, df('YoY_Change'), 0,
    the place=(df('YoY_Change') > 0), coloration="inexperienced", alpha=0.3, label="Rising YoY")
ax2.fill_between(df.index, df('YoY_Change'), 0,
    the place=(df('YoY_Change') <= 0), coloration="purple", alpha=0.3, label="Falling YoY")
ax2.set_ylabel('YoY Change (%)')
ax2.set_xlabel('Date')
ax2.set_title('12 months-over-12 months Change in Inflation Expectations', fontsize=12, fontweight="daring")
ax2.grid(True, alpha=0.3)

# First Inexperienced Zone (Days 250-500)
ax1.axvspan(250, 500, coloration="palegreen", alpha=0.4, label="First Inexperienced Zone")
ax2.axvspan(250, 500, coloration="palegreen", alpha=0.4)

# Crimson Zone (Days 500-1000)
ax1.axvspan(500, 1000, coloration="lightcoral", alpha=0.4, label="Crimson Zone")
ax2.axvspan(500, 1000, coloration="lightcoral", alpha=0.4)

# Second Inexperienced Zone (Days 1000-1300)
ax1.axvspan(1000, df.index(-1), coloration="mediumaquamarine", alpha=0.4, label="Second Inexperienced Zone")
ax2.axvspan(1000, df.index(-1), coloration="mediumaquamarine", alpha=0.4)

ax1.legend(loc="higher left")
ax2.legend(loc="higher left")

plt.tight_layout()
plt.present()

Hier ist die Ausgabe:

// Ergebnisse und Interpretation

Das Veränderungsdiagramm im Jahresvergleich unterteilt die Inflationserwartungen in grüne und rote Zonen. Grün bedeutet Beschleunigung. Rot bedeutet Abbremsen. Dies zeigt, dass die Dynamikverschiebungen das ursprüngliche Kursdiagramm völlig verfehlten.

Erste grüne Zone (Tage 250–500)
Die Inflationserwartungen stiegen schnell. Die Veränderungen im Jahresvergleich erreichten mit +1,0 % ihren Höhepunkt. In diesem Zeitraum? 2021 bis 2022. Lieferketten brachen zusammen. Konjunkturpakete überschwemmten die Wirtschaft. Russland ist in die Ukraine einmarschiert. Die Energiepreise explodierten.

Rote Zone (Tage 500–1000)
Die Erwartungen sind zusammengebrochen. Sie sanken im Jahresvergleich auf -0,75 %. Die Federal Reserve hat die Zinsen in den Jahren 2022 und 2023 aggressiv angehoben. Die Märkte gingen davon aus, dass sich die Inflation abkühlen würde. Sie hatten Recht.

Zweite Grüne Zone (Tage 1000–1300)
Es kehrten kleine constructive Veränderungen zurück. Sie schwankten zwischen +0,1 % und +0,3 %. Die Erwartungen hörten auf zu sinken. Sie begannen sich über dem Vorjahresniveau zu stabilisieren. Dies signalisiert Normalisierung, keine Panik.

Sign für die Zukunft
Die jüngsten grünen Flecken sind im Vergleich zum Anstieg im Jahr 2022 gentle. Veränderungen im Jahresvergleich unter +0,25 %? Die Erwartungen bleiben verankert. Anhaltende Bewegung über +0,5 %? Das würde auf erneute Inflationssorgen hinweisen, die es wert sind, beobachtet zu werden.

// Technik 3: Bollinger-Bänder (Volatilitätshüllkurve)

Bollinger-Bänder bilden mithilfe der Standardabweichung eine obere und untere Grenze um einen gleitenden Durchschnitt. Die Bänder dehnen sich in volatilen Phasen aus und ziehen sich in ruhigen Phasen zusammen.

Es zeigt, wann die Inflationserwartungen „regular“ (innerhalb der Bänder) oder „extrem“ (außerhalb der Bänder) sind. Wenn die Price das obere Band berührt, ist sie ungewöhnlich hoch. Wenn es das untere Band berührt, ist es ungewöhnlich niedrig.

Die Struktur:

• Mittleres Band: gleitender 20-Tage-Durchschnitt.
• Oberes Band: Mitte + (2 × Standardabweichung).
• Unteres Band: Mittel – (2 × Standardabweichung).

Der erstellte Bereich bedeutet, dass 95 % der Daten innerhalb der Bänder liegen sollten. Dies kann formal ausgedrückt werden als:

$$
textual content{Higher} = mu_{20} + (2 occasions sigma_{20})
$$
$$
textual content{Decrease} = mu_{20} – (2 occasions sigma_{20})
$$

Hier ist der Code:

df('T10YIE') = df('T10YIE').ffill()

window = 20
df('BB_Middle') = df('T10YIE').rolling(window=window).imply()
df('BB_Std') = df('T10YIE').rolling(window=window).std()
df('BB_Upper') = df('BB_Middle') + (2 * df('BB_Std'))
df('BB_Lower') = df('BB_Middle') - (2 * df('BB_Std'))

plt.determine(figsize=(15, 7))

plt.plot(df.index, df('T10YIE'), label="Each day Price", coloration="black", linewidth=0.8)
plt.plot(df.index, df('BB_Middle'), label="20-Day MA", coloration="blue", linewidth=1.5)
plt.plot(df.index, df('BB_Upper'), label="Higher Band", coloration="purple", linewidth=1, linestyle="--")
plt.plot(df.index, df('BB_Lower'), label="Decrease Band", coloration="inexperienced", linewidth=1, linestyle="--")
plt.fill_between(df.index, df('BB_Upper'), df('BB_Lower'), alpha=0.1, coloration="grey")

plt.axvspan(350, 450, coloration="gold", alpha=0.3, label="Band Enlargement (Volatility↑)")
plt.axvspan(800, 1200, coloration="lightblue", alpha=0.3, label="Band Contraction (Volatility↓)")

plt.axvspan(190, 210, coloration="lightcoral", alpha=0.5, label="Higher Breach (~Day 200)")
plt.axvspan(390, 410, coloration="lightcoral", alpha=0.5, label="Higher Breach (~Day 400)")

plt.axvspan(1040, 1060, coloration="palegreen", alpha=0.5, label="Decrease Contact (~Day 1050)")

plt.title('Breakeven Inflation Price with Bollinger Bands & Key Occasions', fontsize=14, fontweight="daring")
plt.ylabel('Inflation Price (%)')
plt.xlabel('Date')
plt.grid(True, alpha=0.3)
plt.legend(loc="higher left")

plt.tight_layout()
plt.present()

Hier ist die Ausgabe:

// Ergebnisse und Interpretation

Die Bollinger-Bänder identifizieren, wann die Inflationserwartungen extrem gegenüber dem Normalwert waren.

Banderweiterung (Tage 350–450)
Die Bandbreiten weiten sich dramatisch aus, da der Tagessatz wiederholt die Obergrenze durchbricht und 3,0 % erreicht. Diese Zeit erfasste die Inflationspanik 2022 während der Krieg zwischen Russland und der Ukraine als die Marktvolatilität ihren Höhepunkt erreichte.

Risse im Oberband
Mehrere Berührungen des oberen Bandes (Tage 200, 400) signalisieren Marktpanik, die Erwartungen sprangen über die normalen Bereiche hinaus. Jeder Verstoß warnte davor, dass die Inflationsängste zunahmen.

Bandkontraktion (Tage 800–1200)
Die Bänder verengen sich deutlich, während die Price innerhalb bleibt. Dies zeigt, dass die Volatilität zusammengebrochen ist Die Zinserhöhungen der Fed haben funktioniert und die Märkte erzielten einen Konsens.

Unterbandberührung (Tag 1050)
Der Zinssatz erreichte kurzzeitig den unteren Bereich von 2,05 %, was auf ungewöhnlichen Pessimismus Ende 2023 hindeutet Rezessionsängste.

Sign für die Zukunft
Die derzeit engen Bandbreiten und der stabile Zinssatz (2,35 %) deuten auf ein normales Marktverhalten hin. Ein erneuter Durchbruch des oberen Bandes über 2,5 % würde auf erneute Inflationssorgen hinweisen.

# Unterschiedliche Techniken, unterschiedliche Geschichten

Bei der Trendanalyse geht es nicht darum, die Zukunft vorherzusagen; Es geht darum, zu verstehen, was die Daten Ihnen sagen. Die 10-jährige Breakeven-Inflationsrate von 2020 bis 2025 zeigte bei jeder Technik unterschiedliche Muster.

Auch wenn globale Ereignisse wie die Russland-Ukraine-Invasion oder die Energiekrise alle Analysen beeinflussen, interpretiert jede Technik ihre Auswirkungen unterschiedlich. Ein gleitender Durchschnitt könnte eine allmähliche Trendverschiebung anzeigen, eine Veränderung im Jahresvergleich könnte den starken Momentumschwung hervorheben, während Bollinger-Bänder denselben Zeitraum als einen Anstieg der Volatilität darstellen könnten.

Deshalb ist die Wahl Ihrer Trendanalysetechnik wichtig. Es beeinflusst, wie Sie die Geschichte in Ihren Daten sehen. Dasselbe Ereignis kann je nach verwendeter analytischer Linse wie Erholung, Instabilität oder Normalisierung aussehen.

# Abschluss

Die eigentliche Lektion besteht nicht darin, welche Technik die beste ist; Es geht darum zu wissen, wann man welches verwendet. Diese drei Ansätze wirken sich auf Aktienkurse, Webverkehr, Verkaufsdaten oder alles aus, was sich im Laufe der Zeit ändert. Die Muster sind da. Sie brauchen nur die richtigen Werkzeuge, um sie zu sehen.

Mit anderen Worten: Daten sprechen selten mit einer Stimme. Die von Ihnen gewählte Methode bestimmt die Nachricht, die Sie hören. Deshalb geht es bei der Trendanalyse sowohl um Interpretation als auch um Berechnung.

Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist außerdem außerordentlicher Professor für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich mit echten Interviewfragen von Prime-Unternehmen auf ihre Interviews vorzubereiten. Nate schreibt über die neuesten Tendencies auf dem Karrieremarkt, gibt Ratschläge zu Vorstellungsgesprächen, stellt Information-Science-Projekte vor und behandelt alles rund um SQL.

Zhipu AI hat GLM-4,6 veröffentlicht, ein großes Replace für ihre GLM-Serie, die sich auf agierische Workflows, langkontextbezogene Argumentation und praktische Codierungsaufgaben konzentriert. Das Modell erhöht das Eingangsfenster auf 200k Token mit a 128K Max -Ausgangzielt auf einen niedrigeren Tokenverbrauch bei angewandten Aufgaben ab und schiffen mit Offene Gewichte Für lokale Bereitstellung.

Additionally, was genau ist neu?

• Kontext + Ausgangsbegrenzungen: 200k Eingabekontext und 128K Maximale Ausgangs -Token.
• Codierungsergebnisse der realen Welt: Auf dem erweiterten CC-Financial institution (Multi-Flip-Aufgaben, die von menschlichen Evaluatoren in isolierten Docker-Umgebungen ausgeführt werden, wird berichtet Nahe Parität mit Claude Sonnet 4 (48,6% Gewinnrate) und verwendet ~ 15% weniger Token gegen GLM-4,5 Aufgaben beenden. Aufgabenaufforderungen und Agentenbahnen werden zur Inspektion veröffentlicht.
• Benchmark -Positionierung: Zhipu fasst „klare Gewinne“ über GLM-4,5 in acht öffentlichen Benchmarks und Staaten Parität mit Claude Sonnet 4/40 auf mehreren zusammen; Es stellt auch fest GLM-4.6 bleibt immer noch Sonett 4.5 beim Codieren zurück– Eine nützliche Einschränkung für die Modellauswahl.
• Verfügbarkeit von Ökosystemen: GLM-4.6 ist über verfügbar Z.ai API Und OpenRouter; Es wird in beliebte Codierungsagenten (Claude Code, Cline, Roo -Code, Kilo -Code) und vorhandene Codierungsplan -Benutzer integriert, indem sie den Modellnamen auf umschalten glm-4.6.
• Offene Gewichte + Lizenz: Umarmende Gesichtsmodellkartenlisten Lizenz: MIT Und Modellgröße: 355b Params (MOE) mit BF16/F32 -Tensoren. (MOE „Gesamtparameter“ entsprechen den aktiven Parametern professional Token nicht. Für 4,6 auf der Karte wird keine aktive Params angegeben.)
• Lokale Inferenz: vllm Und Sglang werden für die lokale Portion unterstützt; Gewichte sind eingeschaltet Umarmtes Gesicht Und ModelsCope.

Zusammenfassung

GLM-4,6 ist ein inkrementeller, aber materieller Schritt: ein 200k-Kontextfenster, ~ 15% Token-Reduktion auf CC-Bench gegen GLM-4,5, Nahparkitätsaufgabe Win-Fee mit Claude-Sonett 4 und sofortige Verfügbarkeit über Z.AI, OpenRouter und offene Artifakte für lokale Servierungen.

FAQs

1) Was sind die Kontext- und Ausgangs -Token -Grenzen?
GLM-4.6 unterstützt a 200k Eingabekontext und 128K Maximale Ausgangs -Token.

2) Sind offene Gewichte verfügbar und unter welcher Lizenz?
Ja. Die Umarmungsgesichts -Modellkartenlisten Offene Gewichte mit Lizenz: MIT und a 357B-Parameter Moe Konfiguration (BF16/F32 -Tensoren).

3) Wie ist GLM-4,6 mit GLM-4,5 und Claude Sonnet 4 bei angewendeten Aufgaben verglichen?
Auf dem erweiterten CC-Financial institutionGLM-4.6 Berichte ~ 15% weniger Token gegen GLM-4,5 Und Nahe Eltern mit Claude Sonnet 4 (48,6% Win-Fee).

4) Kann ich GLM-4,6 lokal ausführen?
Ja. Zhipu liefert Gewichte auf Umarmung von Gesicht/Fashions und dokumentiert die lokale Schlussfolgerung mit vllm Und Sglang; Neighborhood-Quantisierungen werden für {Hardware} für Workstation-Klasse erscheinen.

Schauen Sie sich das an Github -SeiteAnwesend Umarmung der Gesichtsmodellkarte Und Technische Particulars. Fühlen Sie sich frei, unsere zu überprüfen Github -Seite für Tutorials, Codes und Notizbücher. Fühlen Sie sich auch frei, uns zu folgen Twitter Und vergessen Sie nicht, sich unserer anzuschließen 100k+ ml Subreddit und abonnieren Unser Publication.

Asif Razzaq ist der CEO von Marktechpost Media Inc. Sein jüngstes Bestreben ist die Einführung einer Medienplattform für künstliche Intelligenz, Marktechpost, die sich durch die ausführliche Berichterstattung über maschinelles Lernen und Deep-Studying-Nachrichten auszeichnet, die von einem breiten Publikum technisch intestine und leicht verständlich sind. Die Plattform verfügt über über 2 Millionen monatliche Ansichten und veranschaulicht ihre Beliebtheit des Publikums.

(empfohlene Lesen) Nvidia AI Open-Sources Vipe (Video Pose Engine): Ein leistungsstarkes und vielseitiges 3D-Videoannotationsinstrument für die räumliche KI

OpenAI hat einen neuen Bewertungsrahmen, das GDPVAL, angekündigt, um künstliche Intelligenzleistung bei wirtschaftlich wertvollen Aufgaben zu messen. Das System testet Modelle auf 1.320 realen Stellenaufgaben, um die Lücke zwischen akademischen Benchmarks und praktischer Anwendung zu überbrücken.

Das GDPVAL -Framework bewertet, wie KI -Modelle 1.320 verschiedene Aufgaben behandeln, die mit 44 verschiedenen Berufen verbunden sind. Diese Arbeitsplätze sind in erster Linie Wissensarbeitspositionen in Branchen, die jeweils mehr als 5% zum Bruttoinlandsprodukt (BIP) der Vereinigten Staaten beitragen. Um diese Liste der relevanten Berufe zu erstellen, verwendete OpenAI Daten aus dem US -amerikanischen Büro für Arbeitsstatistik (BLS) und der O*Internet -Datenbank der Abteilung für Arbeitsministerium. Die daraus resultierende Auswahl an Berufen umfasst Berufe, die häufig mit der KI -Integration verbunden sind, wie Software program -Ingenieure, Anwälte und Videoredakteure. Der Rahmen erstreckt sich auch auf Berufe, die im Kontext von KI, einschließlich Detectives, Apothekern und Sozialarbeitern, weniger häufig diskutiert werden und eine umfassendere Bewertung der möglichen wirtschaftlichen Auswirkungen bieten.

Nach Angaben des Unternehmens wurden die Aufgaben innerhalb der Bewertung von Fachleuten erstellt, die durchschnittlich 14 Jahre Erfahrung in ihren jeweiligen Bereichen verfügen. Diese Maßnahme sollte sicherstellen, dass die Aufgaben genau „echte Arbeitsprodukte wie einen legalen Auftrag, ein Ingenieurplan, ein Konversation für Kundensupport oder einen Pflegeplan“ widerspiegeln. OpenAI spezifizierte, dass das GDPVAL -Umfang über zahlreiche Aufgaben und Berufe von anderen Bewertungen unterscheidet, die sich auf den wirtschaftlichen Wert konzentrieren, was sich möglicherweise auf eine einzelne Domäne wie Software program -Engineering konzentrieren kann. Das Design der Bewertung verzichtet auf einfache Textaufforderungen. Stattdessen liefert es den KI -Modellen mit Dateien zur Referenz und erfordert die Erstellung multimodaler Erstellungen, wie z. B. Präsentationsfolien und formatierte Dokumente. Dieser Ansatz soll simulieren, wie ein Benutzer in einem professionellen Arbeitsumfeld mit der Technologie interagieren würde. OpenAI erklärte: „Dieser Realismus macht das GDPVAL zu einem realistischeren Check, wie Modelle Fachleute unterstützen könnten.“

In seiner Studie verwendete OpenAI das GDPVAL-Rahmen, um die Ausgaben mehrerer seiner eigenen Modelle zu bewerten, darunter GPT-4O, GPT-4O-Mini, GPT-3 und die neuere GPT-5. Die Bewertung umfasste auch Modelle anderer Unternehmen: Claude Opus 4.1 von Anthropic, Google, Gemini 2.5 Professional von Google, und Xai’s Grok 4. Der Kern des Einstufungsprozesses umfasste erfahrene Fachkräfte, die blinde Bewertungen der Ausgaben der Modelle durchführten. Diese menschlichen Graden verglichen unwissentlich die Arbeiten mit AI-generierten Arbeiten mit den von menschlichen Experten produzierten Outputs und lieferten einen direkten Qualitätsmaßstab ohne Kenntnis der Herkunft der Arbeit.

Um diesen von Menschen geführten Prozess zu ergänzen, entwickelte Openai ein „Autograder“ -KI-System. Dieses System soll vorhersagen, wie ein menschlicher Bewerter eine bestimmte Lieferfähigkeit erzielen würde. Das Unternehmen kündigte seine Absicht an, diesen Autograder als experimentelles Forschungsinstrument für andere zu veröffentlichen. OpenAI gab jedoch eine Vorsicht auf und erklärte, dass der Autograder nicht so zuverlässig ist wie Menschenklässler. Es bestätigte, dass das Device in naher Zukunft nicht die menschliche Bewertung ersetzen soll, was das differenzierte Urteil widerspiegelt, das für die Beurteilung hochwertiger beruflicher Arbeit erforderlich ist.

Die ersten Ergebnisse der GDPVAL -Checks zeigen, dass die aktuelle fortschrittliche KI den Qualitätsstandards von Humanfachleuten nähert. „Wir haben festgestellt, dass die besten Grenzmodelle von heute bereits der Qualität der von Branchenexperten produzierten Arbeiten nähern“, schrieb Openai. Unter den getesteten Modellen wurde das Claude Opus 4.1 von Anthropic als der beste Gesamtkünstler identifiziert. Seine besonderen Stärken wurden bei Aufgaben im Zusammenhang mit der Ästhetik beobachtet, die Elemente wie die Formatierung des professionellen Dokuments und das klare und effektive Structure von Präsentationsfolien umfassen. Diese Qualitäten sind häufig für Kunden von Kunden und eine effektive Kommunikation in einem geschäftlichen Kontext von entscheidender Bedeutung.

Während Claude Opus 4.1 in der Präsentation hervorragend battle, zeigte das GPT-5-Modell von OpenAI eine überlegene Leistung in der Genauigkeit. Dies zeigte sich besonders bei Aufgaben, die das Auffinden und die korrekte Anwendung von domänenspezifischem Wissen erforderten. Die Forschung hob auch das schnelle Tempo der Modellverbesserung hervor. Die Ergebnisse zeigten, dass die Leistung bei GDPVAL-Aufgaben „von GPT-4O (veröffentlicht Frühling 2024) auf GPT-5 (veröffentlicht Sommer 2025) mehr als verdoppelte.“ Diese erhebliche Erhöhung der Fähigkeit über einen relativ kurzen Zeitraum weist auf eine signifikante Beschleunigung der Entwicklung der zugrunde liegenden KI -Technologien hin.

Die Bewertung umfasste auch eine Effizienzanalyse. „Wir haben festgestellt, dass Frontier -Modelle GDPVAL -Aufgaben ungefähr 100 × schneller und 100 × billiger als Branchenexperten erledigen können“, berichtete Openai. Das Unternehmen qualifizierte diesen Befund sofort mit einer kritischen Einschränkung. „Diese Zahlen spiegeln jedoch die reine Modellinferenzzeit und die API -Abrechnungsraten wider und erfassen daher nicht die in realen Arbeitsplatzumgebungen erforderlichen menschlichen Aufsichts-, Iterations- und Integrationsschritte, um unsere Modelle zu verwenden.“ In diesem Kontext wird klargestellt, dass die Berechnung die beträchtliche Zeit und Kosten ausschließt, die mit der Verwaltung, Verfeinerung und Implementierung von Arbeiten in einem praktischen Geschäftsablauf verbunden sind.

OpenAI erkannte signifikante Einschränkungen in der aktuellen Model des GDPVAL -Frameworks an und bezeichnete es als „einen frühen Schritt, der die volle Nuance vieler wirtschaftlicher Aufgaben nicht widerspiegelt“. Eine große Einschränkung ist die Verwendung einmaliger Bewertungen. Dies bedeutet, dass das Framework die Fähigkeit eines Modells nicht messen kann, iterative Arbeiten zu erledigen, z. B. das Abschluss mehrerer Entwürfe eines Projekts oder seine Fähigkeit, den Kontext für eine laufende Aufgabe über die Zeit zu absorbieren. Beispielsweise kann der aktuelle Check nicht beurteilen, ob ein Modell einen rechtlichen Auftrag basierend auf dem Kundenfeedback erfolgreich bearbeiten oder eine Datenanalyse wiederholen könnte, um eine neu entdeckte Anomalie zu berücksichtigen.

Eine weitere Einschränkung des Unternehmens ist, dass professionelle Arbeiten nicht immer ein einfacher Prozess mit organisierten Dateien und einer klaren Richtlinie sind. Das aktuelle Rahmen kann nicht die komplexeren und weniger strukturierten Aspekte vieler Arbeitsplätze erfassen. Dies schließt das „menschliche – und zutiefst kontextbezogene – Arbeit ein, um ein Downside durch Gespräch zu erforschen und mit Mehrdeutigkeit oder Verschiebungsumständen umzugehen.“ Diese Elemente sind häufig für berufliche Rollen von zentraler Bedeutung, sind jedoch in einer standardisierten Testumgebung schwer zu replizieren. „Die meisten Jobs sind mehr als nur eine Sammlung von Aufgaben, die niedergeschrieben werden können“, fügte Openai hinzu.

Das Unternehmen erklärte seine Absicht, diese Einschränkungen bei zukünftigen Iterationen des Rahmens anzugehen. Zu den Plänen zählen die Erweiterung seines Geltungsbereichs auf mehr Branchen und die Einbeziehung von schwierigeren Aufgaben. Insbesondere wird OpenAI versuchen, Bewertungen für Aufgaben zu entwickeln, die interaktive Workflows beinhalten, bei denen ein Modell einen Hin- und Her-Prozess durchführen muss, oder für diejenigen, die ein umfassender vorheriger Kontext verstehen müssen, was für viele KI-Systeme eine Herausforderung bleibt. Im Rahmen dieser Growth wird OpenAI eine Untergruppe der GDPVAL -Aufgaben veröffentlichen, damit Forscher ihre eigene Arbeit verwenden können.

Aus diesen Ergebnissen wird die angegebene Schlussfolgerung von OpenAI, dass KI den Arbeitsmarkt weiterhin weiter stören wird. Das Unternehmen stellt fest, dass KI routinemäßige „Besetzte“ übernehmen kann, wodurch menschliche Arbeitnehmer sich auf komplexere und strategischere Aufgaben konzentrieren können. Diese Perspektive formuliert KI als Instrument zur Steigerung der menschlichen Produktivität und nicht nur für den Austausch. „Besonders bei der Teilmenge der Aufgaben, bei denen Modelle besonders stark sind, erwarten wir, dass es Zeit und Geld sparen würde“, schrieb Openai.

Gleichzeitig mit diesen Erkenntnissen bekräftigte das Unternehmen sein erklärtes Engagement für seine breitere Mission. Dies umfasst Pläne, den Zugang zu KI -Instruments zu demokratisieren, die Bemühungen, „Arbeitnehmer durch Veränderungen zu unterstützen, und Systeme aufbauen, die einen breiten Beitrag belohnen“. „Unser Ziel ist es, alle auf dem“ Aufzug „der KI zu halten“, schloss das Unternehmen.

Ausgewähltes Bildnachweis