Thomson Reuters lanza su propio modelo frontera
Thomson Reuters Launches Its Own Frontier Model
Thomson Reuters ha anunciado el lanzamiento de su propio modelo de inteligencia artificial de frontera, construido sobre sus 175 años de datos y experiencia en los sectores legal, fiscal y de riesgos. El modelo, denominado CoCo, está diseñado para ofrecer una IA confiable y especializada, integrada en productos como Westlaw y CoCounsel. La compañía busca competir con gigantes tecnológicos aprovechando su ventaja en datos propios y conocimiento del dominio.
IA confiable construida sobre 175 años de conocimiento de Thomson Reuters.
- cootsnuck
Esto va a ocurrir cada vez más en los próximos años. Las grandes organizaciones se volverán más sofisticadas a la hora de operacionalizar sus datos, y el entrenamiento y la ejecución de LLMs seguirán desmitificándose y volviéndose más accesibles, y con el tiempo veremos modelos cada vez más especializados y específicos de la industria.
Se convertirá en otra forma de monetizar tus activos informativos si eres una gran empresa establecida con montones de datos. Todo lo que necesitas es tiempo para descubrir cómo hacerlo útil para ti mismo y luego eventualmente vender el acceso como quieras.
Piensa en todos los datos que tienen las grandes organizaciones que no son accesibles para que todos los laboratorios de IA los absorban.
- scirob
Quizás es mi cerebro disléxico, pero "su propio modelo frontera" en mi cabeza se convirtió en modelo fundacional entrenado desde cero.
Pero esto está basado en Qwen.
Pero bueno, estoy a favor de la IA, así que más empresas con más gente con habilidades para más post-entrenamiento es genial.
- johnnypangs
Aquí hay más información técnica sobre cómo se entrenó esto, así como un enlace de descarga.
https://huggingface.co/thomsonreuters/Thomson-1.0-Small
(Divulgación completa: soy empleado de TR, aunque no tuve nada que ver con la creación de esto)
- x313
Bastante genial que alguien todavía esté haciendo esto. Entrenar LLMs internamente fue extremadamente popular en 2023-2024, cuando los LLMs específicos de dominio podían superar fácilmente a GPT en su campo. Solo en mi campo (tecnología fiscal/recursos humanos) recuerdo que Intuit, Workday, Indeed y LinkedIn estaban entrenando modelos internos.
Eventualmente dejó de tener sentido debido a los costos de inferencia. Ejecutar algo interno con un 30% de utilización de GPU es demasiado ineficiente en costos comparado con usar una API. No sé cómo Reuters logrará resolver este problema fundamental.
- Arcuru
> comenzando desde una base sólida de código abierto e invirtiendo $40 millones para entrenar a Thomson
Parece que gastaron $40 millones en ajustar un modelo de pesos abiertos con sus propios datos? Me pregunto sobre qué construyeron.