Анализ первопричин с помощью ИИ смещается от рассуждений модели к инженерии контекста
Специалисты по наблюдаемости всё чаще обнаруживают, что рассуждения больших языковых моделей (LLM) больше не являются узким местом в анализе первопричин с помощью ИИ; вместо этого проблема заключается в определении того, какие данные подавать модели. Исследование Coroot показывает, что инвестиции в подготовку контекста приносят лучшие результаты, чем использование более сильных моделей. Отрасль движется к детерминированному, основанному на топологии причинно-следственному анализу, а не к открытым циклам агентов.
Все больше инженеров по наблюдаемости считают, что способность больших языковых моделей к рассуждению больше не является узким местом для анализа первопричин с помощью ИИ; более актуальной проблемой является конвейер обработки, который определяет, какие данные передаются модели. Большинство работ по ИИ-анализу первопричин делятся на две категории: агентные архитектуры, которые дают модели
Показать ещё ↓
Источник: InfoQ 中国 —
оригинал
