Probably lève 9M$ pour des LLM plus fiables
Probably, financé à hauteur de 9M$ par Andreessen Horowitz, développe un système pour éliminer les erreurs des LLM. Son outil combine un validateur déterministe et des modèles plus petits, visant 99,99% de précision. Fondateur Peter Elias explique que cette approche réduit les coûts et permet une utilisation locale.
« "What we learned building this was that the better your harness engineering is, the weaker the model can be," Elias says. » — TechCrunch AI
Que faut-il retenir ?
- Probably a levé 9 millions de dollars en financement initial.
- L'objectif est d'atteindre 99,99% de précision, similaire aux systèmes déterministes.
- Leur outil utilise un validateur déterministe pour corriger les réponses des LLM.
- Le système fonctionne avec des modèles plus petits, exploitables sur du matériel local.
Pourquoi cette nouvelle compte-t-elle ?
Cette innovation pourrait réduire significativement les erreurs des LLM, un problème persistant dans l'industrie. En permettant une utilisation sur des modèles plus petits et localement, elle offre aussi des économies de coûts. La méthode pourrait s'étendre à des domaines sensibles comme la médecine ou la comptabilité.
9 millions de dollars en financement initial
💬 Peter Elias, Fondateur de Probably
Public concerné : développeurs, entreprises
Comment Probably réduit-il les hallucinations des LLM ?
Probably utilise un validateur déterministe pour vérifier les réponses des LLM et des modèles plus petits optimisés pour réduire les erreurs. Cette approche permet aussi une utilisation sur du matériel local, diminuant les coûts.
