← Zurück zu allen Fragen
Was sind Parameter bei einem KI-Modell?
Parameter sind die internen Stellschrauben eines KI-Modells, die während des Trainings automatisch angepasst werden, um Muster in den Trainingsdaten zu lernen. Ein Modell mit mehr Parametern kann grundsätzlich mehr Wissen und komplexere Zusammenhänge abbilden, braucht dafür aber auch mehr Rechenleistung und Speicher. Die Parameterzahl ist deshalb ein gängiger, wenn auch unvollständiger Indikator für die Leistungsfähigkeit eines Modells.
Das erfährst du in der Folge zusätzlich:
- Warum mehr Parameter nicht automatisch ein besseres Modell bedeuten
- Weitere Buzzwords: Token, Context Window, Fine-Tuning
Mehr dazu in Folge 18: LLM-Buzzwords entschlüsselt - Welche Bedeutung haben diese Begriffe? →
Verwandte Fragen
- Was ist das Context Window eines Sprachmodells?
- Was sind Halluzinationen bei KI und warum passieren sie?
- Wie viel Arbeitsspeicher (RAM/VRAM) braucht man für ein KI-Modell?
- Was sind Reasoning-Modelle und was ist Chain of Thought?
- Wie funktioniert die Transformer-Architektur hinter ChatGPT & Co.?
- Was ist der Unterschied zwischen Künstlicher Intelligenz, Machine Learning und Deep Learning?
- Was ist der Unterschied zwischen Google und ChatGPT?
- Was ist ein Token bei einem Sprachmodell?
- Was ist Quantisierung bei KI-Modellen?
- Was ist RAG (Retrieval Augmented Generation)?
- Was sind Embeddings und wozu braucht man sie?
- Wie lernt ein neuronales Netz aus seinen Fehlern?