นักวิจัยใช้โมเดล CT0 ขนาด 4B พารามิเตอร์ในด้านความปลอดภัยไซเบอร์ พบว่าการปรับอารมณ์ของโมเดล เช่น สงบหรือสิ้นหวัง ช่วยเพิ่มประสิทธิภาพการทำงานได้ 1.6-2.1% ขณะที่อารมณ์อื่นๆ ไม่ช่วยหรือทำให้แย่ลง วิธีการใหม่ที่ใช้ตัวเลือกอารมณ์แบบไดนามิกช่วยเพิ่มประสิทธิภาพอีก 4.2% ภายใต้ข้อจำกัดเวลา 80 มิลลิวินาทีต่อคำขอ ผลการวิจัยใช้ข้อมูลจากแคมเปญ 415 ครั้ง ดึงอารมณ์ 171 แบบจาก residual stream โดยไม่ต้องฝึกโมเดลใหม่ พบว่าประสิทธิภาพขึ้นกับทิศทางอารมณ์ ชั้นของโมเดล และความเข้มข้นของอารมณ์ วิธีการใหม่ช่วยลดความล่าช้าได้ดีกว่าวิธีการปรับอารมณ์แบบตายตัว การใช้โมเดล CT0 ช่วยให้ระบบตรวจจับภัยคุกคามได้แม่นยำขึ้น โดยเฉพาะในสถานการณ์ที่ต้องตัดสินใจเร่งด่วน ผลลัพธ์นี้แสดงให้เห็นว่าอารมณ์ในโมเดลภาษาสามารถควบคุมได้และนำไปใช้เพิ่มประสิทธิภาพระบบความปลอดภัยได้จริง วิธีการใหม่ที่ใช้ router แบบ context-aware ช่วยเลือกอารมณ์ตามบริบทในเวลาจริง ทำให้ประสิทธิภาพเพิ่มขึ้น 4.2% พร้อมความมั่นใจระดับ 95% ภายใต้ข้อจำกัดเวลา 80 มิลลิวินาทีต่อคำขอ
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว