>> شرکت علیبابا مدل هوش مصنوعی را به عنوان رقیب اوپنایآی معرفی کرد >> شرکت چینی علیبابا مد

>> شرکت علیبابا مدل هوش مصنوعی را به عنوان رقیب اوپنایآی معرفی کرد >> شرکت چینی علیبابا مدل جدید هوش مصنوعی خود با نام (مخفف ) را رونمایی کرد که به عنوان رقیب مستقیم مدل از اوپنایآی (OpenAI) شناخته میشود. این مدل با قابلیت استدلال پیشرفته طراحی شده تا در حل مسائل پیچیده عملکرد بهتری داشته باشد. مشخصات فنی و معماری مدل مدل شامل ۳۲.۵ میلیارد پارامتر است و توانایی پردازش درخواستهایی با حداکثر ۳۲ هزار توکن را دارد.

همانند سایر مدلهای استدلالگر بزرگ (LRM)، این هوش مصنوعی در فرآیند استنتاج برای تولید پاسخ، بررسی منطق و تصحیح خطاهای احتمالی، از چرخههای محاسباتی بیشتری بهره میبرد. این ویژگی باعث میشود برای کارهایی که نیازمند استدلال منطقی عمیق و برنامهریزی هستند، از جمله ریاضیات و کدنویسی، گزینه مناسبی باشد.

عملکرد در بنچمارکهای ریاضی، علم و کدنویسی بر اساس آزمایشهای انجام شده توسط علیبابا، مدل در بنچمارکهای AIME و MATH که توانایی حل مسائل ریاضی را ارزیابی میکنند، عملکرد بهتری نسبت به داشته است. همچنین در بنچمارک GPQA که بر استدلال علمی متمرکز است، این مدل از پیشی گرفته است. با این حال در حوزه کدنویسی، بنچمارک برتری مدل را نشان میدهد، هرچند همچنان عملکرد بهتری نسبت به مدلهایی مانند و ۳.۵ داشته است.

ماهیت پیشنمایش و شفافیت مدل متنباز علیبابا این مدل را در حال حاضر به صورت پیشنمایش عرضه کرده است و وعده داده که نسخههای بهینهتری در آینده منتشر خواهد شد. در بیانیه رسمی شرکت در مورد فلسفه طراحی مدل آمده است از طریق اکتشافات عمیق و آزمایشهای بیشمار، چیزی محسوس را کشف کردیم وقتی زمان را به اندیشیدن، سوال کردن و تأمل اختصاص میدهیم، درک مدل از ریاضیات و برنامهنویسی همانند گلی در برابر خورشید شکوفا میشود…

این فرایند انعکاس دقیق و دروننگری، پیشرفتهای قابلتوجهی در حل مشکلات پیچیده ایجاد میکند. برخلاف مدل که فرآیند تفکر آن پنهان است، یک مدل متنباز است و علیبابا جزئیات کامل دادهها و فرآیند آموزش را منتشر نکرده، اما کد و وزنهای مدل در دسترس است. این شفافیت به محققان و توسعهدهندگان امکان میدهد تا نحوه استدلال مدل در هنگام حل مسائل را به دقت بررسی کنند.

محدودیتهای شناخته شده و نحوه دسترسی شرکت علیبابا نیز به چالشهای موجود در این نسخه پیشنمایش اشاره کرده است. مدل در برخی موارد با محدودیتهایی نظیر ترکیب ناخواسته زبانها یا گیر کردن در حلقههای استدلال مواجه میشود. کاربران و توسعهدهندگان میتوانند از طریق پلتفرم نسخه آزمایشی این مدل را امتحان کرده و قابلیتهای آن را ارزیابی کنند. >>