6 Matching Annotations
  1. Apr 2026
    1. Fugu models achieve superior performance by dynamically coordinating and orchestrating a diverse pool of powerful models.

      大多数人认为使用多个模型需要用户手动选择最适合特定任务的模型,这既复杂又效率低下,但作者认为通过动态协调多个模型可以实现比任何单一模型都更好的性能,这挑战了当前多模型使用的常规方法,暗示未来AI系统可能自动优化模型组合而非依赖人工选择。

    1. Unified interface for interacting with different LLM providers (Claude, OpenAI, local models via vLLM/Ollama). Includes tool definitions for security operations (shell, file I/O, network, debugger) and cost/token tracking.

      模型抽象层的统一接口设计体现了对多模型支持的战略考虑,同时整合了安全操作工具。这种设计使平台能够灵活适应不同模型,同时保持安全操作的一致性。成本和token追踪功能反映了AI使用中的经济考量,这在企业级应用中至关重要。

    1. Cross-Model Consistency Verification leverages output agreement among heterogeneous models to assess sample difficulty and generate reliable annotations.

      大多数人认为高质量标注需要人工专家或单一强大模型来完成,但作者提出利用多个异构模型输出的一致性来评估样本难度和生成可靠标注,这一方法挑战了'人工标注最优'的传统认知,展示了模型间协作的潜力。

  2. Dec 2024
  3. Aug 2020
  4. Jul 2020