flaibo
Glossar

Parameters (Model Weights)

Die Milliarden internen Zahlenwerte, die ein Modell während des Trainings gelernt hat und die kodieren, was es weiß; nach Abschluss des Trainings festgeschrieben und für niemanden sichtbar, der es nutzt.

Keine Karte erforderlich

Was das in der Praxis bedeutet

Ein Berufstätiger liest das Datenblatt eines Anbieters, sieht ein Modell, das mit siebzig Milliarden Parametern beworben wird, und nimmt an, diese Zahl sei etwas, das man einstellen kann, um bessere Ergebnisse zu erzielen, so wie man eine Einstellung in einer App anpasst. Parameter sind tatsächlich das Gegenteil eines Reglers: Es handelt sich um die riesige Menge interner Zahlenwerte, die das Modell während des Trainings gelernt hat und die Muster über Sprache und die Welt kodieren. Sobald das Training abgeschlossen ist, liegen diese Werte fest. Niemand, der das Modell nutzt, nicht einmal das Unternehmen, das es gebaut hat, stellt einzelne Parameter von Hand ein; die Zahl auf einem Datenblatt ist ein grober Anhaltspunkt für die Rohkapazität und die Betriebskosten des Modells, kein Regler, den irgendjemand berührt.

Beispiel

Zwei Modelle werden beworben, eines mit acht Milliarden Parametern und eines mit siebzig Milliarden. Ein Berufstätiger kann die Parameterzahl des kleineren Modells nicht hochdrehen, damit es wie das größere funktioniert; diese Zahl wurde an dem Tag festgelegt, an dem das Training endete. Was er bei beiden Modellen anpassen kann, ist eine Einstellung wie Temperature oder die maximale Antwortlänge, die verändert, wie sich das Modell bei einer bestimmten Anfrage verhält, ohne das zu berühren, was es grundlegend weiß.

Häufig verwechselt mit

vs. Settings (like Temperature or Max Length)

Parameter sind zum Trainingszeitpunkt festgelegt: Milliarden interne Werte, die fest ins Modell eingebacken sind und die niemand pro Anfrage anpasst, und eine höhere Parameterzahl auf einem Datenblatt ist eine Tatsache über die Größe des Modells, kein Regler. Einstellungen wie Temperature oder die maximale Antwortlänge sind das Gegenteil: Regler, die ein Nutzer oder Entwickler bei jeder einzelnen Anfrage tatsächlich ändern kann, was das Verhalten des Modells verändert, ohne das zu berühren, was es darunter weiß. Wer beides verwechselt, sucht am Ende nach einem Parameter-Regler, den es gar nicht gibt, während die anpassbaren Bedienelemente, die man eigentlich möchte, die Einstellungen auf Anfrageebene direkt daneben sind.

Frequently asked questions

Willst du deinen Kontext an einem Ort?

Flaibo bewahrt deine Rolle, deinen Ton und deine bisherige Arbeit an einem Ort und baut sie in die Prompts ein, die du in jede KI mitnimmst, mit der du arbeitest, sodass ein neuer Chat nicht mit einem leeren Kontextfenster beginnen muss.

Kostenlos starten

Dein Kontext, überall