资讯
近日消息，微软的研究团队近期推出了一款被命名为“大型行动模型”（Large Action Model，简称LAM）的人工智能技术成果。这一成果的出现，预示着AI的发展步入了崭新的阶段。
LAM 的优势在于其能够理解用户的各种输入，包括文字、语音和图像，然后将这些请求转化为详细的步骤计划。LAM 不仅能制定计划，还能根据实时情况调整其行动策略。
构建 LAM 的过程主要分为四个步骤：首先，模型学习将任务分解为逻辑步骤；接着，通过更先进的 AI 系统（如 GPT-4o）学习如何将这些计划转化为具体行动；然后，LAM 会独立探索新的解决方案，甚至解决其他 AI 系统无法应对的问题；最后，通过奖励机制进行微调训练。
在实验中，研究团队以 Mistral-7B 为基础构建了一个 LAM 模型，并在 Word 测试环境中进行测试。结果显示，该模型成功完成任务的概率为71%，相比之下，GPT-4o 在无视觉信息的情况下的成功率为63%。
此外，LAM 在任务执行速度上也表现优异，每个任务仅需30秒，而 GPT-4o 则需要86秒。虽然在处理视觉信息时，GPT-4o 的成功率提高至75.5%，但总体来看，LAM 在速度和效果上均有显著优势。
为了构建训练数据，研究团队最初收集了29，000对任务和计划的示例，这些数据来自微软文档、wikiHow 文章和必应搜索。之后，他们利用 GPT-4o 将简单任务转化为复杂任务，从而将数据集扩展到76，000对，增加了150%。最终，约2，000个成功的行动序列被纳入到最终的训练集中。
尽管 LAM 展示了其在 AI 发展中的潜力，研究团队仍然面临一些挑战，如 AI 行动可能出错的问题、监管的相关问题，以及在不同应用中扩展和适应的技术限制。不过，研究人员相信，LAM 代表了 AI 发展的一次重要转变，预示着人工智能助手将能更积极地协助人类完成实际任务。
文明上网，理性发言，共同做网络文明传播者