像 StarCoder2 这样的专业法学硕士可以为特定任务提供效率和性能，而无需大量通用工具。

较小的模型(例如 Vicuna-7B)变得越来越受欢迎，因为它们更容易部署并且消耗的资源更少。

人工智能的未来倾向于精确、专业的法学硕士，比如专注于编码的法学硕士。

大型语言模型 (LLM) 是强大的工具，ChatGPT、Microsoft Copilot 和 Google Gemini 始终让我惊叹不已。他们的能力很广泛，但也并非没有缺点。对于像这样的法学硕士来说，幻觉是一个大问题，尽管公司已经意识到它们并试图尽可能消除它们。然而，我不认为这些模型是法学硕士的未来。我认为人工智能的未来是更小的、专门的模型，而不是这些通用工具。

在三星 Galaxy S23 Ultra 上运行的 Vicuna-7B 模型展示了设备上 AI 的强大功能

想象一下，您是一家企业，并且您想要部署一个内部法学硕士来帮助您的开发人员进行编码。您可以支付全部 GPT-4 Turbo 的费用，并支付每笔交易产生的费用……或者，您可以雇用 Nvidia、Hugging Face 和 ServiceNow 的 StarCoder2 LLM。它的参数要小得多，只有 150 亿个参数，可以免费使用(除了在本地运行它所产生的成本)，并且它在编码任务上表现非常好。

更进一步，还有其他专门针对编码的编码法学硕士可供您使用。它们可能还不能完全胜任 GPT-4 所能做的所有事情，但这一领域的工作正在不断发展，而且由于这些模型如此之小，它们可以实现很多好处。当涉及到具有 70 亿个参数(甚至更少)的超小型模型时，就有更多选择。