Сборка AI
Обратно к новостям

Российские исследователи предложили методы удешевления дообучения ИИ

Обсудить
Российские исследователи предложили методы удешевления дообучения ИИ

Исследователи «Т-Технологий» представят семь научных работ на международной конференции EMNLP 2026 в Будапеште. Разработки посвящены удешевлению, ускорению и упрощению дообучения языковых моделей — и уже применяются в реальных продуктах Т-банка.

Все семь исследований прошли строгое слепое рецензирование и получили место на конференции EMNLP 2026, которая пройдёт в Будапеште. Это одна из ключевых площадок в области обработки естественного языка, где публикуются только работы, выдержавшие независимую научную проверку.

Меньше затрат без ухудшения качества

Часть исследований сосредоточена на снижении стоимости работы с ИИ. В Т-банке компактную модель подключили к более чем 200 внутренним сервисам — и она справляется с задачами почти в четыре раза дешевле, чем значительно более мощная модель Qwen3-235B. В отдельных сценариях разрыв в стоимости достигает девяти раз.

Отдельная разработка касается извлечения данных из документов: новый метод обходится на 80% дешевле ручной обработки и на 50% дешевле лучших открытых аналогов.

Быстрее, компактнее, доступнее

Другая группа методов ускоряет сам процесс дообучения моделей. Метод ESSA позволяет обучать модель почти в восемь раз быстрее по сравнению со стандартными подходами. SimplexLoRA при тех же вычислительных затратах даёт более точный результат. F-GRPO сокращает число генерируемых ответов в четыре раза без потери качества — это снижает нагрузку на вычислительные ресурсы.

Третий блок разработок снижает требования к железу. LIMe уменьшает число вычислительных операций на 15%, а KronSAE — более чем на 40%. Оба метода позволяют дообучать модели даже на единственной видеокарте, не прибегая к дорогостоящим серверным кластерам. Для бизнеса это открывает возможность держать ИИ на собственной инфраструктуре и не передавать корпоративные данные сторонним сервисам.

По словам разработчиков, эти подходы будут особенно полезны в банковском секторе, телекоме и промышленности — там, где конфиденциальность данных принципиальна и выход информации за периметр компании недопустим.

Источник:РБК

Пока нет комментариев. Будьте первым!