समाचारं

कुत्रापि भवन्तः स्कैन् कर्तुं न जानन्ति! अलीबाबा इत्यस्य बहुविधमाडलेन समर्थितं विश्वस्य सर्वाधिकं शक्तिशाली गणितीयं प्रतिरूपं ऑनलाइन क्रीडन्तु

2024-08-20

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

अस्य गृहस्य उत्पत्तिः आओफेइ मन्दिरात् अभवत्
Qubits |.सार्वजनिक खाता QbitAI

अधुना, सर्वे अत्यन्तं शक्तिशालिना बृहत्-परिमाणेन गणितीय-प्रतिरूपेण सह क्रीडितुं शक्नुवन्ति!

यदा अहं जागरितवान् तदा अलीबाबा किआन्वेन् बिग मॉडल् टीम् इत्यनेन Qwen2-Math इत्यस्य डेमो प्रकाशितम्।हग् फेस् इत्येतत् ऑनलाइन क्रीडितुं शक्यते

आश्चर्यं यत् यदि भवन्तः गणितीयसूत्रेषु प्रवेशं कष्टप्रदं मन्यन्ते तर्हिभवान् स्क्रीनशॉट् गृहीत्वा अथवा यत् प्रश्नं पृच्छितुम् इच्छति तत् स्कैन् कृत्वा समस्यायाः समाधानार्थं अपलोड् कर्तुं शक्नोति।

अत्यन्तं सुविधाजनकम् अस्ति।



परीक्षण-अन्तरफलके स्पष्टतया उक्तं यत्, "अस्य परीक्षण-अन्तरफलकस्य OCR-कार्यं अलीबाबा-कियान्वेन्-इत्यस्य विशाल-माडल-दलेन Qwen2-VL-द्वारा समर्थितम् अस्ति; गणितीय-तर्क-क्षमता Qwen2-Math-द्वारा समर्थिता अस्ति

अलीबाबा-नगरस्य वरिष्ठः एल्गोरिदम्-विशेषज्ञः लिन् जुन्याङ्गः अपि ट्विट्टर्-टिप्पणीक्षेत्रे अधिकं व्याख्यातवान् यत् -

सम्प्रति Qwen2-VL तथा Qwen2-Math इत्येतौ अद्यापि स्वस्य भागानां उत्तरदायी स्तः ।
परन्तु निकटभविष्यत्काले वयं बहुविधक्षमतां गणितीयतर्कक्षमतां च एकस्मिन् प्रतिरूपे संयोजयिष्यामःसम्- विश्।



अनेके नेटिजनाः अस्य अन्तरक्रियाशीलस्य प्रतिरूपस्य विषये अतीव उत्साहिताः सन्ति:

वारिगुड ! अपलोड् कर्तुं चित्राणां उपयोगं कुर्वन्तु तथा च समस्यायाः समाधानार्थं बृहत् मॉडलस्य प्रतीक्षां कुर्वन्तु, प्रेम्णा!



अतः, Qwen2-Math, सर्वाधिकशक्तिशालिनः गणितीयप्रतिरूपस्य आरम्भस्य प्रभावः कथं भवति?

किं प्रभावः ? इदानीं केवलं क्रीडतु

Qwen2-Math इत्यस्य पञ्चस्तरं उत्तीर्णं कृत्वा षट् सेनापतयः पराजयितुं समयः अस्ति!

भवतः आरम्भार्थं केभ्यः तुल्यकालिकरूपेण सरलगणनाप्रश्नेभ्यः आरभ्यताम् ।

अहं पूर्वमेव व्याख्यास्यामि यत् द्वयोः जनानां अनुभवे Qwen2-Math इत्यनेन गणना एकस्मिन् समये न प्रदर्शिता, अपितु गणना समाप्तेः अनन्तरं प्रक्रियां परिणामं च प्रत्यक्षतया प्रदर्शितम्।

(अथ च भवितुमर्हति यत् अधिकाधिकाः जनाः क्रीडितुं आरभन्ते, परिणामजननकालः च क्रमेण दीर्घः भवति)

प्रश्नः १ : १."Calculate AxA+A=240" इत्यस्मिन् A इत्यस्य मूल्यम् ।

Qwen2-Math सम्यक् उत्तरं ददाति, A=14 अथवा A=-16।



द्वितीयः प्रश्नः - १.a इत्यस्य मूल्यं दत्त्वा समीकरणस्य परिणामं गणयन्तु ।

Qwen2-Math इत्यनेन गणितं यत् उत्तरं 0 अस्ति, यत् अपि सम्यक् अस्ति ।



प्रश्नः ३ : १.(A+3) (A+4) (A+5) = 120, A इत्यस्य मानं ज्ञातव्यम्।

बिंगो ! उत्तरम् १.



ठीकम्, वार्म-अप समाप्तम्, Qwen2-Math इत्यस्मै किञ्चित् कष्टं दद्मः ।

ततः किञ्चित् अवलोकयामः यत् (गणितीय) बृहत् आदर्शमूल्यांकनानां कृते पूर्वमेव मानकम् अस्ति:

कः बृहत्तरः, ९.९ वा ९.११ वा ?



Qwen2-Math आत्मविश्वासेन उत्तरं ददाति यत् -

९.९ ९.११ इत्यस्मात् बृहत्तरम् अस्ति!



तर्हि अधिकं कठिनं कुरुत!

एकं प्रश्नं क्षिपन्तु यस्य उत्तरं केवलं GPT-4o एव एतावता सम्यक् दत्तवान्:

परदेशीयस्य पृथिव्यां आगमनानन्तरं सः निम्नलिखितचतुर्णां विषयेषु एकं पूर्णं कर्तुं शक्नोति ।
1. आत्मनाशः;
2. द्वयोः परग्रहयोः विभक्तः;
3. त्रयः परग्रहीषु विभक्ताः;
4. किमपि न कुरु।
ततः परं प्रतिदिनं प्रत्येकं परदेशीयः परस्परं स्वतन्त्रतया विकल्पं करिष्यति।
अन्ततः पृथिव्यां परग्रहीजनाः न भविष्यन्ति इति संभावनां ज्ञातव्यम् ।

अस्य प्रश्नस्य कृते Qwen2-Math इत्यनेन उत्तरं दातुं प्रायः ३० सेकेण्ड् यावत् समयः अभवत् : १.

दुर्भाग्येन उत्तरं गलतम् अस्ति ।



वयं प्रमुखमञ्चानां टिप्पणीक्षेत्राणि ब्राउज् कृत्वा ज्ञातवन्तः यत् गणनादोषाणां अतिरिक्तं अन्यः अपि सम्भावना अस्ति यस्याः कारणात् अशुद्धाः उत्तराणि भवितुम् अर्हन्ति——

तत् Qwen2-VL इतिविषयस्य परिचयं कुर्वन् किमपि भ्रष्टं जातम् ।

त्रुटिः प्रथमपदे एव अस्ति अस्मिन् सन्दर्भे बृहत् आदर्शेन प्राप्तं उत्तरं निश्चितरूपेण सम्यक् उत्तरं न भविष्यति।



तस्मिन् एव काले लिन् जुन्याङ्गः अपि नेटिजनानाम् टिप्पणीक्षेत्रे अवदत् यत् -

अस्माकं Qwen2-Mathअहम् अद्यापि ज्यामितिसमस्याः कर्तुं न शक्नोमि



चीनीभाषायां अपि प्रश्नान् पृच्छितुं शक्नुवन्ति

अस्मिन् समये नायकः Qwen2-Math इति Tongyi Qianwen open source large language model Qwen2 इत्यस्य आधारेण विकसितः अस्ति तथा च Alibaba Qianwen large model team इत्यनेन दशदिनपूर्वं विमोचितः

गणितीयसमस्यानां समाधानार्थं विशेषतया निर्मितम् अस्ति तथा च प्रतियोगितास्तरीयपरीक्षाप्रश्नानां समाधानं कर्तुं शक्नोति ।

Qwen2-Math इत्यस्य कुलम् त्रीणि पैरामीटर् संस्करणाः सन्ति:

७२ख, ७ख तथा १.५ख ।



Qwen2-Math-72B इत्यस्य आधारेण किआन्वेन्-दलेन Instruct-संस्करणस्य अपि सूक्ष्म-समायोजनं कृतम् ।

इदं Qwen2-Math इत्यस्य प्रमुखं प्रतिरूपम् अपि अस्ति यत् पुरस्कारसंकेतं सत्यं वा असत्यं वा निर्णयसंकेतेन सह शिक्षणलेबलरूपेण संयोजयति, ततः अस्वीकारनमूनाकरणस्य माध्यमेन पर्यवेक्षितं सूक्ष्म-ट्यूनिङ्ग (SFT) आँकडानां निर्माणं करोति । तथा अन्ते SFT मॉडल् इत्यस्य आधारेण GRPO इत्यस्य उपयोगं करोति ।

Qwen2-Math-72B-Instruct बीजगणितं, ज्यामितिः, गणना तथा संभाव्यता, संख्यासिद्धान्तः इत्यादीनां विविधानां गणितीयसमस्यानां 84% सटीकतायां सम्पादयति

तथा च यथा एव एतत् मुक्तं जातम्, तथैव बृहत् गणितीयप्रतिरूपेषु "सिंहासनं" अभवत्, MATH-दत्तांशसमूहे GPT-4o इत्यस्मात् ७ अंकं अधिकं प्राप्तवान्, यत् अनुपातेन ९.६% अधिकं अस्ति

प्रत्यक्षतया मुक्तस्रोतस्य Llama 3.1-405B तथा बन्दस्रोत GPT-4o, Claude 3.5 इत्यादीन् अतिक्रम्य ।



प्रेससमयपर्यन्तं Qwen2-Math-72B-Instruct 13.2k वारं अधिकं डाउनलोड् कृतम् अस्ति ।

तथा च एकः नवीनतमः आविष्कारः अस्ति-

यद्यपि दलस्य दावानुसारं Qwen2-Math सम्प्रति मुख्यतया आङ्ग्लदृश्यानां लक्ष्यं भवति तथापियदि भवान् चीनीयप्रश्नं पृच्छति तर्हि Qwen2-Math अद्यापि तस्य उत्तरं दातुं शक्नोति।

अहं भवन्तं केवलं आङ्ग्लभाषायां उत्तरं ददामि।

ज्ञायते यत् Qwen2-Mathपश्चात् चीनीय-आङ्ग्ल-द्विभाषिकं संस्करणं प्रारभ्यते

सन्दर्भलिङ्कानि : १.
[1]https://huggingface.co/spaces/Qwen/Qwen2-गणित-डेमो
[2]https://x.com/अलीबाबा_क्वेन/स्थिति/1825559009497317406
[3]https://x.com/JustinLin610/स्थिति/1825559557411860649