Штучний інтелект

Thomson Reuters оновила інформацію про розробку власної LLM «Thomson»

V

Voydevich.com · редактор Богдан Войдевич

1 хв читання

ПоділитисяTelegramFFacebookXXLLinkedInEmail
Концептуальна ілюстрація доменно-специфічної великої мовної моделі «Thomson», що обробляє спеціалізовані дані з правових, податкових та бухгалтерських джерел.

Thomson Reuters надала оновлену інформацію щодо прогресу в розробці «Thomson» — власної доменно-специфічної великої мовної моделі (LLM).

Призначення та основа моделі

Модель «Thomson» створюється для використання в інструментах Thomson Reuters, що працюють на основі штучного інтелекту. Вона побудована на базі LLM з відкритим вихідним кодом і навчена на контенті з WestLaw, Practical Law, Checkpoint та Reuters.

Оцінка та прогрес розробки

Компанія Thomson Reuters повідомила, що вже провела оцінку моделі «Thomson» порівняно із загальноцільовими LLM. Оцінка проводилася для використання в конкретних доменах, таких як право, податки та бухгалтерський облік, а також для виконання більш загальних завдань.

На сьогоднішній день витрати на розробку моделі становлять приблизно 20 мільйонів доларів. Зазначається, що модель була навчена менш ніж на 10% всього контенту Thomson Reuters.

Реклама · cv-finder.com

Покажіть AI-стек у резюме без зайвого шуму

AI-асистент CV-Finder допоможе описати LLM/ML-проєкти через результати.

Оформити CV

Що це означає для розробників

Розробники, які створюють інструменти на базі ШІ для Thomson Reuters, можуть очікувати інтеграції з моделлю «Thomson». Оскільки модель побудована на відкритих LLM, це може вказувати на певні можливості для розширення або адаптації, хоча сама модель є пропрієтарною.

Ключові факти

  • Thomson Reuters розробляє власну доменно-специфічну велику мовну модель (LLM) під назвою «Thomson».

  • Модель «Thomson» призначена для використання в інструментах Thomson Reuters на базі штучного інтелекту.

  • Вона побудована на відкритих LLM та навчена на контенті з WestLaw, Practical Law, Checkpoint і Reuters.

  • Thomson Reuters оцінила «Thomson» проти загальноцільових LLM для правових, податкових та бухгалтерських доменів, а також для загальних завдань.

  • Витрати на розробку моделі наразі становлять близько 20 мільйонів доларів.

Джерела

Штучний інтелектТехнологіїРозробка ПЗБізнес

Додайте Voydevich.com у бажані джерела Google, щоб частіше бачити наші новини в пошуку.

Джерело

Law.comBenjamin Joyner

Thomson Reuters Provides Benchmarking Data for Forthcoming LLM

31 липня 2026

Оригінал

Реклама · cv-finder.com

Покажіть AI-стек у резюме без зайвого шуму

AI-асистент CV-Finder допоможе описати LLM/ML-проєкти через результати.

Оформити CV

Попередні статті

Екран ноутбука з інтерфейсом редактора коду, що відображає візуалізацію моніторингу та захисту потоку даних, що символізує роботу Numbat.
31 липня 2026Штучний інтелект

Perplexity AI відкриває вихідний код Numbat для захисту локальних агентів ШІ-кодування

Perplexity AI представила Numbat, легкий шар для виявлення та реагування, що забезпечує локальні засоби захисту та криміналістику для робочих процесів розробників з використанням ШІ.

Наступні статті

Екран розробника з візуалізацією доказів роботи AI-агента над виправленням UI-багу
31 липня 2026Штучний інтелект

Як налагоджувати AI-агентів, що змінюють не те, що потрібно: Доказовий підхід

AI-агенти часто надають відповідь «виправлено» без детальних доказів своїх дій. Цей матеріал описує підхід до перевірки та трасування роботи агентів, щоб розробники могли переконатися у правильності внесених змін.

Концептуальна ілюстрація AI-нативної розробки програмного забезпечення, що показує інтеграцію AI-агентів зі структурованими знаннями та контекстом організації.
31 липня 2026Штучний інтелект

AI-нативна розробка програмного забезпечення: Нова парадигма інженерії

Штучний інтелект трансформує розробку ПЗ, переходячи від асистента до повноцінного учасника інженерних процесів. Ключ до успіху — переосмислення робочих процесів та довіра до AI-агентів.