Melalui model SLM dan TensorRT-LLM, pencarian Bing menjadi lebih cepat, akurat, dan efisien – Beragampengetahuan
Tim Bing Search berbagi bagaimana transisi ke model SLM dan mengintegrasikan TensorRT-LLM dapat membantu menjadikan Bing Search dan Bing Deep Search lebih cepat, akurat, dan hemat biaya.
Bing menulis: “Untuk meningkatkan efisiensi, kami melatih model SLM (dengan throughput ~100x lebih tinggi daripada LLM) yang dapat memproses dan memahami kueri penelusuran dengan lebih akurat.”
keuntungan. Bing mengatakan ini membantu meningkatkan pencarian secara keseluruhan dengan memberikan tiga manfaat inti berikut bagi para pencari:
- Hasil pencarian lebih cepat: Dengan inferensi yang dioptimalkan, pengguna Bing dapat menikmati waktu respons yang lebih cepat, menjadikan pengalaman pencarian Bing lebih lancar dan efisien.
- Peningkatan akurasi: Penyempurnaan pada model SLM memungkinkan Microsoft memberikan hasil pencarian yang lebih akurat dan kontekstual, membantu pencari bing menemukan informasi yang mereka perlukan dengan lebih efisien.
- Efisiensi biaya: Dengan mengurangi biaya hosting dan menjalankan model besar, Microsoft menyatakan dapat terus berinvestasi dalam inovasi dan peningkatan lebih lanjut, memastikan Bing tetap menjadi yang terdepan dalam teknologi pencarian.
Mengapa kami peduli. Pengalaman pencarian yang lebih cepat dan akurat dapat membantu Bing menjadi lebih tepercaya dan berguna bagi para pencari. Hal ini dapat menyebabkan lebih banyak pencari yang mengadopsi Bing di masa depan, sehingga mengambil pangsa pasar pencarian dari pemain besar seperti Google.
Apa yang baru di dunia mesin pencari
Contents
strategi pemasaran
marketing
pemasaran, manajemen pemasaran, kantor pemasaran
, digital marketing, konsep pemasaran, marketing mix, apa itu marketing
#Melalui #model #SLM #dan #TensorRTLLM #pencarian #Bing #menjadi #lebih #cepat #akurat #dan #efisien