Microsoft представила новую архитектуру MAI (Model-Agnostic Intelligence), использующую алгоритм оптимизации hill-climbing для повышения точности работы ИИ в Copilot и Excel. Этот подход позволяет моделям итеративно улучшать свои ответы, выбирая наиболее эффективные стратегии решения задач в режиме реального времени, что значительно повышает качество генерации формул и аналитических выводов в корпоративных приложениях.
Технология hill-climbing в данном контексте работает как механизм локального поиска оптимального решения. Вместо того чтобы полагаться исключительно на вероятностное предсказание следующего токена, система оценивает несколько вариантов ответа и последовательно «поднимается» к наиболее точному результату. Это особенно критично для Excel, где ошибки в вычислениях или синтаксисе формул недопустимы.
Интеграция MAI-моделей направлена на снижение галлюцинаций в сложных сценариях обработки данных. В отличие от стандартных LLM, которые генерируют контент линейно, новые модели Microsoft способны корректировать свой путь рассуждений, опираясь на обратную связь от среды исполнения. Это делает работу Copilot более предсказуемой при выполнении задач, требующих высокой точности, таких как финансовое моделирование или работа с большими табличными массивами.
Ключевые факты
- Microsoft внедрила MAI-модели с алгоритмом hill-climbing для улучшения функциональности Copilot и Excel.
- Метод hill-climbing используется для итеративного уточнения ответов и минимизации ошибок в сложных вычислениях.
- Основная цель внедрения — повышение надежности ИИ при работе с табличными данными и генерации формул.
- Новая архитектура позволяет моделям динамически корректировать процесс рассуждений для достижения оптимального результата.