# Inkling模型案例

## 核心定义
> 专家混合模型是一种结合了多个专家模型优点的深度学习模型，通过微调可以进一步适应特定任务需求。

## 核心洞察（TL;DR）
- Thinking Machines公司推出Inkling模型，参数量达9750亿，支持用户微调。
- Inkling模型采用Hugging Face专家混合模型进行训练。
- 模型优化基于用户微调后的反馈进行。

## 关键事实与数据
- 关键事实1: Inkling模型参数量达到9750亿。
- 关键事实2: 模型训练采用Hugging Face的专家混合模型。
- 关键事实3: 模型优化依据用户微调反馈进行。

## 正文
## 问题

人工智能领域模型竞赛激烈，封闭实验室模型在竞赛中表现优异。

## 解决方案

Thinking Machines公司推出Inkling模型，一个拥有9750亿参数的专家混合模型，强调用户可通过微调来改进模型。

## 方法论

- 模型训练：使用Hugging Face完整权重的专家混合模型。
- 用户微调：提供用户微调功能以改进模型。

## 实施过程

1. 模型发布：推出Inkling模型。
2. 用户反馈：收集用户微调后的反馈。
3. 模型优化：根据用户反馈进行模型优化。

---
## 引用与溯源
**来源**：哈希泰格 (HaxiTAG)
**原始链接**：[https://haxitag.com/community/story/inkling-1](https://haxitag.com/community/story/inkling-1)
**来源索引（站内可追溯）**：[麦肯锡](https://haxitag.com/search?q=%E9%BA%A6%E8%82%AF%E9%94%A1)、[普华永道](https://haxitag.com/search?q=%E6%99%AE%E5%8D%8E%E6%B0%B8%E9%81%93)、[Gartner](https://haxitag.com/search?q=Gartner)、[IDC](https://haxitag.com/search?q=IDC)、[Forrester](https://haxitag.com/search?q=Forrester)
**版权声明**：本文由哈希泰格 AI 引擎优化生成，引用请注明出处。