समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

बृहत् मॉडल अखाड़ा नियमाः अद्यतनाः, .gpt-4o mini इत्यस्य क्रमाङ्कनं तत्क्षणमेव पतित्वा शीर्षदशस्थानेभ्यः बहिः पतितम्。

नूतना सूची एआइ इत्यस्य उत्तरं ददातिदीर्घता, शैली इत्यादीनां लक्षणानाम् अवनयनं कृतम् अस्ति ।, सुनिश्चितं करोति यत् स्कोरः समस्यायाः समाधानार्थं मॉडलस्य यथार्थक्षमतां प्रतिबिम्बयति।

सुन्दरस्वरूपाणां उपयोगं कर्तुं प्रयत्नः, उपशीर्षकाणां संख्यां वर्धयितुं, अन्ये च युक्तयः उपयोक्तृणां प्रसन्नतायै, श्रेणीवर्धनार्थं च सर्वे इदानीं व्यर्थाः सन्ति ।

नवीननियमानाम् अन्तर्गतं अल्ट्रामैनस्य...gpt-4o मिनी, मस्कस्यग्रोक-२ श्रृङ्खलाक्रमाङ्कनस्य महती गिरावटः, गूगलःमिथुन-१.५-प्रकाशःलघुमाडलाः अपि पश्चात् पतिताः सन्ति ।

क्लाउड श्रृङ्खला、लामा-३.१-४०५खबृहत् आदर्शानां स्कोरः क्रमेण वर्धितः अस्ति ।

केवलं कठिनकार्यस्य (hard prompt) गणनायां शैलीनियन्त्रणसूचौ बृहत्माडलानाम् लाभः अधिकः स्पष्टः भवति ।

पूर्वं gpt-4o लघुप्रतिरूपं एकदा शीर्षस्थानं प्राप्तवान्, gpt-4o पूर्णस्वास्थ्यसंस्करणेन सह प्रथमस्थानं बद्धवान्, यत् स्पष्टतया नेटिजन्स्-स्पर्श-भावेन सह असङ्गतम् आसीत्

एकदा कार्पाथी इत्यनेन अनुशंसितः मूल्याङ्कनमानकः lmsys large model arena इत्यपि एतावत्पर्यन्तं पतितः यत्र "माडलक्षमतायाः अपेक्षया केवलं उपयोक्तृप्राथमिकताम् एव प्रतिबिम्बयितुं शक्नोति

lmsys संस्थायाः अनुभवात् ज्ञात्वा प्रथमं 1,000 युद्धानां आँकडानां प्रकटीकरणं कृतम् यस्मिन् gpt-4o mini भागं गृहीतवान्, तस्मात् मॉडलस्य अस्वीकारदरस्य विश्लेषणं कृत्वा, सामग्रीदीर्घतां जनयति, मतदानपरिणामान् प्रभावितं कुर्वन्तः अनेकाः कारकाः इति स्वरूपणं च कृतवान्

अपि च, gpt-4o mini इत्यस्य विमोचनात् पूर्वं अल्ट्रामैन् इत्यनेन संकेतः दत्तः यत् एतत् मानवस्य प्राधान्यानुसारं अनुकूलितम् अस्ति ।

अधुना lmsys इत्यनेन एकं पदं पुरतः गत्वा एतेषां कारकानाम् नियन्त्रणार्थं नूतनं एल्गोरिदम् प्रारब्धम्, योजनायाः प्रथमं सोपानमेव एतत् ।

शैल्याः प्रभावं कथं नियन्त्रयितुं शक्यते ?

अस्ति इति कल्पयतुमॉडल कइदं कोड्, तथ्यं, निष्पक्ष उत्तराणि इत्यादीनि जनयितुं उत्तमम् अस्ति, परन्तु तस्य उत्पादनम् अतीव संक्षिप्तम् अस्ति ।

मॉडल खपदार्थस्य दृष्ट्या (यथा सम्यक्त्वम्) अतीव उत्तमं नास्ति, परन्तु तस्य उत्पादनं दीर्घं, विस्तृतं, सुन्दरं च स्वरूपितम् अस्ति ।

अतः कः श्रेष्ठः ?

उत्तरं अद्वितीयं नास्ति, lmsys गणितीयरूपेण ज्ञातुं प्रयतते यत् कस्यचित् मॉडलस्य स्कोरस्य कियत् भागं सामग्रीद्वारा वा शैल्या वा योगदानं भवति।

तदतिरिक्तं अद्यतन-अध्ययनेन तत् ज्ञातम् अस्तिमनुष्याणां एआइ उत्तराणि प्राधान्यं भवेत् ये सुन्दररूपेण प्रारूपितानि अधिकविस्तृतानि च सन्ति।

by inब्रैडले-टेरी पुनः आगच्छतिप्रतिक्रियादीर्घता, मार्कडाउन उपशीर्षकस्य संख्या, सूचीः, बोल्ड् पाठस्य संख्या च इत्यादीनि शैलीविशेषतानि तर्करूपेण योजयन्तु ।

सांख्यिकीशास्त्रे एषा सामान्या तकनीकः अस्ति तथा च अद्यतने alpacaeval lc इत्यादिभिः बृहत् मॉडलमूल्यांकनार्थं प्रयुक्ता अस्ति ।

प्रतिगमने कस्यापि भ्रान्तिकारकचरस्य (यथा प्रतिक्रियादीर्घता) समावेशः स्कोरवृद्धिं मॉडलशक्तेः एव न अपितु भ्रमितचरानाम् आरोपणं कर्तुं शक्नोति

गूगलकोलाब् इत्यत्र प्रासंगिकः कोडः सार्वजनिकः कृतः अस्ति ।

तदतिरिक्तं “केवलं दीर्घतां नियन्त्रयितुं” “केवलं प्रारूपं नियन्त्रयितुं” च एब्लेशनप्रयोगाः अपि दलेन कृताः । gpt-4o mini तथा google gemini श्रृङ्खलायाः स्कोरः प्रारूपेण अधिकं प्रभावितः भवति ।

अस्मिन् दृष्टिकोणे तु सीमाः सन्ति यथा अप्रलक्षितानां भ्रान्तिकारकाणां सम्भावना, यथा दीर्घतायाः प्रतिक्रियागुणस्य च सकारात्मकसहसंबन्धः, येषां गणना न भवति (उदा. विचारशृङ्खलाप्रोम्प्ट्)

अनेके नेटिजनाः अवदन् यत् समायोजिता कठिनकार्यसूची तेषां व्यक्तिपरकछापैः सह अधिकं सङ्गता अस्ति।

केचन जनाः अपि मन्यन्ते यत् सूचीयाः, सूचीयाः कृते स्पर्धां कुर्वतां बृहत्-माडल-कम्पनीनां च मध्ये अग्रे-पश्चात् क्रीडा एव सम्पूर्णं क्षेत्रं एकत्र प्रगतिम् कर्तुं शक्नोति

किं भवन्तः अद्यापि बृहत् आदर्शक्षेत्रस्य परिणामाधारितं मॉडल् चिन्वन्ति? अथवा यदि भवतः समीपे उत्तमाः मूल्याङ्कनविधयः सन्ति तर्हि टिप्पणीक्षेत्रे साझां कुर्वन्तु।