Start page / News / View latest news / Cognizant finjusterar AI

Cognizant finjusterar AI

Med evolutionära strategier

Cognizant presenterar nu fyra nya forskningsrapporter från sitt AI Lab som visar hur stora språkmodeller (LLM:er) kan finjusteras med så kallade evolutionära strategier. Metoden gör det möjligt att hantera mer komplexa uppgifter – samtidigt som behovet av beräkningskraft minskar.

I dag finjusteras AI-modeller ofta med förstärkningsinlärning (RL), en metod som är både kostsam och svår att skala. Cognizant AI Labs alternativ bygger istället på en metod som tränar modellen utan gradientbaserad optimering, vilket enligt bolaget gör träningen både enklare och mer tillförlitlig i praktiska tillämpningar.

– Företag behöver inte bara bättre modeller, utan mer effektiva sätt att anpassa dem till specifika uppgifter, säger Babak Hodjat, Chief AI Officer på Cognizant. Evolutionära strategier erbjuder ett enklare och mer kostnadseffektivt alternativ till traditionell finjustering, samtidigt som tillförlitligheten i komplexa uppgifter förbättras. Våra metoder gör det lättare för företag att anpassa AI till sina specifika affärsproblem, skala över arbetsflöden och snabbare skapa värde.

Enligt bolaget kan den nya metoden förbättra modellernas förmåga att hantera komplexa resonemang, samtidigt som den gör det möjligt att arbeta med mindre och mer kostnadseffektiva modeller. Det kan i sin tur sänka tröskeln för företag som vill implementera AI i sin verksamhet.

Cognizant lyfter också fram att metoden kan bidra till mer konsekventa resultat och bättre kontroll över modellernas beteende.

Bakom satsningen står Cognizant AI Lab, som fokuserar på att ta forskningsidéer hela vägen till implementerbara lösningar för företag.

Med utgångspunkt i sitt tidigare arbete, “Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning”, vidareutvecklar laboratoriet nu metoden inom fyra centrala områden:
- Klarar mer avancerade resonemangsproblem – med bättre och mer stabila resultat
- Ger ökad kontroll över modellernas svar och gör dem mer tillförlitliga
- Möjliggör finjustering av mindre modeller, vilket sänker kostnaderna och förenklar implementation
- Lägger grunden för att skala tekniken till större och mer kraftfulla system

4/29/2026 - Industritorget