新加坡国立大学开发“拖拽式”AI模型：几秒定制，效率飙升

近日，新加坡国立大学联合得克萨斯大学奥斯汀分校等机构，成功开发出“拖拽式”AI模型DnD，这一创新成果为AI领域带来了重大突破。

传统AI模型在适应新任务时，往往需要耗费大量时间进行微调，效率低下且成本高昂。而DnD模型则打破了这一局限，它能够在几秒钟内直接从文本描述生成大语言模型参数，无需传统耗时的训练过程。这一技术的效率比传统方法提升了2500 - 12000倍，大大缩短了模型定制化的时间。

DnD模型的核心在于其独特的参数生成机制。通过一个轻量级文本编码器与一个级联超卷积解码器的组合，DnD能够根据无标签的任务提示词，快速生成针对该任务的LoRA权重矩阵。在零样本学习的常识推理、数学、编码及多模态基准测试中，DnD的性能比最强大的、需要训练的LoRA模型还要高出30%。

此外，DnD模型还具备强大的泛化能力，仅需无标签的提示词，即可在不同领域间展现出强大的适应性。这一特性使得DnD在需要快速实现模型专业化的场景中，具有无可比拟的优势。

新加坡国立大学开发的“拖拽式”AI模型DnD，不仅提高了AI模型的定制化效率，还为AI技术的广泛应用开辟了新的道路。