בעולם שבו אבטחת מידע היא קריטית, חברות ארגוניות מתקשות להשתמש בכלי AI מתקדמים בגלל חוסר בסביבת ביצוע עם מצב. מחקר חדש מציג את DiGiT-TC, שיטה לייצור נתונים סינתטיים לשיחות קריאת כלים רב-תורניות מורכבות, שמתפקדת גם בסביבות ללא מצב. השיטה מאפשרת אימון מודלי שפה קטנים וזולים להתמודד עם משימות מורכבות, מבלי להסתמך על סביבה ששומרת מצב.
השיטה הקודמת ייצרה נתונים בהנחה של סביבת ביצוע ששומרת מצב, מה שאפשר לבדוק תקינות על ידי התאמה למטרה מוגדרת מראש. אולם, בסביבות ארגוניות מאובטחות או כאשר מפרטי הכלים מסונתזים ממקורות מרובים, זה לא אפשרי. DiGiT-TC פותרת זאת על ידי דפוס יצירה חדשני שמייצג באופן מרומז קריאות כלים בבקשת המשתמש, ומדמה שיחות שנוצרו בחיפוש בסביבה עם מצב.
החוקרים בדקו את DiGiT-TC על סטנדרטים מקובלים של קריאת כלים, והשיטה השיגה שיפורים משמעותיים בביצועים, אפילו בסביבות עם מצב. זה מאפשר יצירת נתונים איכותיים לשיפור מודלי שפה קטנים, שחוסכים בעלויות בהשוואה למודלים גדולים. השיטה מתאימה במיוחד למצבים שבהם אי אפשר להשתמש בסביבות ביצוע מלאות.
משמעות DiGiT-TC לעסקים ישראליים גדולה: בתעשיות כמו פינטק ובנקאות, שבהן אבטחה גבוהה חיונית, ניתן כעת לאמן מודלים מקומיים על נתונים סינתטיים מבלי לסכן מידע רגיש. השיטה מאפשרת התאמה אישית של כלים AI לסביבות ארגוניות, ומקדמת אוטומציה חכמה יותר.
לסיכום, DiGiT-TC פותחת דלת לאימון יעיל של AI בכלי רב-תורניים. מנהלי טכנולוגיה צריכים לשקול אימוץ שיטות כאלה כדי לשפר ביצועים תוך שמירה על אבטחה. מה תהיה ההשפעה על אסטרטגיות ה-AI שלכם?