Les modèles LFM2.5-DSpark de LiquidAI permettent une inférence jusqu’à 3,2 fois plus rapide que les architectures traditionnelles, marquant une avancée dans l’efficacité des grands modèles de langage.
Développés par LiquidAI, ces modèles se distinguent par leur nature « continue dans le temps ». Contrairement aux transformeurs classiques, ils traitent les données de manière fluide, s’adaptant dynamiquement aux nouvelles informations. Cette approche vise à optimiser l’efficacité des grands modèles de langage (LLM) et à réduire leur empreinte computationnelle.
L’amélioration de la vitesse d’inférence, pouvant atteindre 3,2 fois, s’accompagne d’une réduction significative des coûts de calcul. Cette performance est cruciale pour les applications d’IA nécessitant des réponses rapides et une consommation énergétique maîtrisée, notamment pour les systèmes en temps réel.
Les Liquid Foundation Models (LFM) proposent ainsi une alternative aux architectures de transformeurs dominantes. Cette innovation pourrait ouvrir la voie à des développements plus agiles et économes en ressources pour l’intelligence artificielle.
Source : HuggingFace Blog