Trích dẫn Ted Sanders

Nói chung, hiệu suất của LLM thực sự đa chiều. Không có bảo đảm một thứ tự cố định nào mà model giỏi nhất ở toán cũng là model giỏi nhất ở trò đùa. Dù vậy, phần lớn sự thay đổi về hiệu suất được giải thích bởi một biến số duy nhất: kích thước model. Nói chung, model lớn hơn sẽ (a) hiệu suất và độ tin cậy cao hơn, (b) tốn nhiều token hơn, và (c) nhớ rõ hơn những kiến thức hiếm. Như bạn đã chỉ ra, các model của chúng tôi được sắp xếp: Luna < Terra < Sol < Astra [ ... ] Trong những ngày này, số phiên bản cho biết một vài điều cùng lúc: thứ tự phát hành, mối quan hệ với các bản phát hành khác, và quy mô cải tiến. Vì vậy, một thứ như 6.1 sẽ cho thấy nó được ra mắt sau 5.6, có thể chia sẻ một số điểm tương đồng với các model 6.1 khác về dữ liệu huấn luyện và tính cách (đó là lý do tại sao không phải 5.7), và không phải là một bước nhảy lớn đủ để xứng đáng với những tiêu đề và kỳ vọng mà một phiên bản 7 sẽ mang lại. — Ted Sanders, giải thích quy tắc đặt tên model của OpenAI Tags: generative-ai, gpt, openai, ai, llms, ted-sanders