Eine Bank hat ein großes Sprachmodell optimiert, um die Kreditgenehmigungen zu beschleunigen. Eine externe Prüfung ergab, dass das Modell Kredite für eine bestimmte demografische Gruppe schneller genehmigt als für andere. Was ist die kostengünstigste Lösung?

Die kostengünstigste Lösung ist die Einbeziehung umfassenderer Trainingsdaten und die erneute Optimierung des Modells. Dies behebt die Ursache der Voreingenommenheit – unzureichende oder unausgewogene Daten – direkt und erfordert keine grundlegende Neuentwicklung. Retrieval Augmented Generation (RAG) würde die Voreingenommenheit des bestehenden Modells nicht beheben, da es nur die Informationsabfrage verbessert. AWS Trusted Advisor bietet allgemeine Empfehlungen für Best Practices, aber keine spezifischen Lösungen zur Eliminierung von Voreingenommenheit in LLMs. Ein neues LLM von Grund auf neu zu trainieren, ist extrem teuer und zeitaufwändig und somit nicht die kostengünstigste Option.