Nvidia: «Seler» avgjør AI-ens prestasjon, ikke bare modellen selv

Nvidia har nylig presentert forskning som snur oppfatningen av hva som er viktigst for en AIs prestasjon. De hevder at «selen» – altså programvaren og verktøyene rundt en AI-modell – er viktigere enn selve modellen for såkalte «langhorisont-oppgaver» (long-horizon tasks). Forskerne brukte en tilpasset sele for å styre minnehåndtering og inkluderte en «veileder»-komponent. Med dette oppnådde AI-modellen Claude Opus 5 en perfekt score på den krevende benchmarken ARC-AGI-3. Uten selen scoret modellen bare 30 prosent, selv om dette var det beste resultatet blant alle testede modeller. Dette funnet utfordrer tanken om at modellvalget alene driver ytelsen. Mekanismen er at selen gjør modellen til en agent, som håndterer minne, kontekst og tilbakemeldinger. Den er «API-et» og «rammeverket» som lar modellen utnytte sine evner for å løse oppgaver som krever mange sammenhengende beslutninger over tid. Konsekvensen for bedrifter er betydelig. Feil valg av sele kan doble kostnadene for AI-bruk, ifølge tidligere forskning fra Databricks. Nvidias resultater understreker at en åpen «agent-stack», med kontroll over sele, infrastruktur og kjøretidsmiljø, er avgjørende for å oppnå både nøyaktighet og sikkerhet i komplekse AI-løsninger.