रोबिन् ली बृहत् मॉडल् "रनिंग स्कोर" इत्यस्य भ्रमं उजागरयति: सूची सर्वाणि सामर्थ्यं न प्रतिनिधियति, भविष्ये मॉडल् मध्ये अन्तरं विस्तृतं भविष्यति
2024-09-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
यदा कदापि बृहत् मॉडलस्य नूतनं संस्करणं मुक्तं भवति तदा उद्योगः सर्वदा तृतीयपक्षसूचीदत्तांशं उद्धृतुं, gpt-4 विरुद्धं स्वस्य विशालेन मॉडलेन सह "स्कोरं चालयितुं" उत्सुकः भवति, तथा च कतिपयान् सूचकान् अतिक्रान्तवान् इति दावान् करोति बृहत् मॉडलेषु तस्य तान्त्रिकशक्तिं सिद्धयन्ति।
परन्तु बैडू-अध्यक्षस्य रोबिन् ली-महोदयस्य आन्तरिककर्मचारिणां च मध्ये अद्यतन-आदान-प्रदानेन सः "खिडकी-पत्रम्" भेदितवान् यत् बृहत्-माडल-उद्योगे बेन्चमार्किंग्-करणं बाधते "प्रत्येकवारं नूतनं मॉडलं मुक्तं भवति तदा तस्य तुलना gpt-4o इत्यनेन करणीयम्। मम स्कोरः प्रायः तस्य समानः एव इति कथ्यते, केषुचित् व्यक्तिगतवस्तूनि अपि अतिक्रमति, परन्तु अस्य अर्थः न भवति यत् अन्तरं नास्ति अत्यन्तं उन्नतप्रतिमानैः सह " ।
सः अपि व्याख्यातवान् यत् आदर्शानां मध्ये अन्तरालाः बहुविधाः सन्ति । एकः आयामः क्षमतापक्षः अस्ति, भवेत् तत् अवगमनक्षमता, जननक्षमता, तार्किकतर्कक्षमता वा स्मृतिक्षमता इत्यादीनां मूलभूतक्षमतानां अन्तरं यद्यपि केचन आदर्शाः समानं प्रभावं प्राप्तुं शक्नुवन्ति; high and the reasoning speed is slow , वस्तुतः उन्नतप्रतिमानानाम् अपेक्षया अद्यापि न्यूनम् अस्ति।
"परीक्षासमूहस्य अति-फिटिङ्ग् अपि अस्ति। प्रत्येकं मॉडलं यः स्वक्षमताम् सिद्धं कर्तुम् इच्छति सः क्रमाङ्कनं गमिष्यति। क्रमाङ्कनं कुर्वन् तस्य अनुमानं कर्तव्यं भवति यत् अन्ये किं परीक्षणं कुर्वन्ति, के प्रश्नाः अहं उपयोक्तुं शक्नोमि, अहं काः युक्तयः च can get right.
एकः विशालः मॉडल-अभ्यासकः पत्रकारैः अवदत् यत् रोबिन् ली इत्यनेन उल्लिखितस्य परीक्षण-समूहस्य अति-फिटिङ्ग् (अति-फिटिङ्ग्) मुख्यतया एतत् तथ्यं निर्दिशति यत् मॉडल् प्रशिक्षणप्रक्रियायाः समये मॉडल् प्रशिक्षण-दत्तांशं अत्यधिकं सटीकरूपेण ज्ञायते, येन मॉडल् विफलः भवति प्रशिक्षणदत्तांशेषु उत्तमं प्रदर्शनं कर्तुं प्रदर्शनम् अतीव उत्तमम् अस्ति, परन्तु अदृष्टपरीक्षादत्तांशयोः प्रदर्शनं दुर्बलम् अस्ति । प्रायः अस्य अर्थः अस्ति यत् आदर्शः एतावत् जटिलः अस्ति यत् प्रशिक्षणदत्तांशयोः कोलाहलं विवरणं च "स्मरणं" कर्तुं समर्थः भवति, परन्तु एते विवरणाः कोलाहलः च सामान्याः न सन्ति, अतः आदर्शः अधिकनवीनदत्तांशयोः कृते सम्यक् सामान्यीकरणं न करोति
उपर्युक्ताः जनाः मन्यन्ते यत् क्रमाङ्कनस्य, रनिंग-अङ्कानां च सीमाः खलु सन्ति यथा, मूल्याङ्कनदत्तांशसमूहस्य मुक्ततायाः कारणात् क्रमाङ्कनस्य उन्नयनार्थं लक्षितरीत्या आदर्शस्य प्रशिक्षणं कर्तुं शक्यते, यस्य परिणामः भवति swiping the ranking". तथापि, इदं पूर्णतया निरर्थकं न भवति। क्रमाङ्कनं अद्यापि तुल्यकालिकं भवति इदं जनान् भिन्न-भिन्न-बृहत्-माडल-प्रदर्शनं शीघ्रं अवगन्तुं साहाय्यं कर्तुं परिमाणात्मकं मूल्याङ्कन-मानकं प्रदाति, सर्वान् प्रतियोगितायाः माध्यमेन बृहत्-माडलानाम् तकनीकी-स्तरं निरन्तरं अनुकूलितुं प्रेरयति, तथा प्रचारप्रचारे च निश्चितां भूमिकां निर्वहति ।
रोबिन् ली इत्यस्य दृष्ट्या "स्व-माध्यम-प्रचारस्य भागः, प्रत्येकं नूतनं प्रतिरूपं मुक्तं भवति चेत् प्रचारस्य प्रेरणा सह मिलित्वा, सर्वेषां कृते एतादृशी धारणा ददाति यत् मॉडल्-मध्ये क्षमता-अन्तरं तुल्यकालिकरूपेण अल्पम् अस्ति । वस्तुतः एतत् न भवति . " रॉबिन् ली इत्यनेन उक्तं यत् वास्तविकप्रयोगे बैडु तकनीकीकर्मचारिणः श्रेणीं कर्तुं न अनुमन्यते। बृहत् मॉडलानां क्षमतायाः वास्तविकं मापनं विशिष्टेषु अनुप्रयोगपरिदृश्येषु भवितुमर्हति यत् ते उपयोक्तृणां आवश्यकतां पूरयितुं मूल्यलाभं जनयितुं शक्नुवन्ति वा इति।
यथा "१२ मासाः अग्रे वा १८ मासाः पृष्ठतः" इति विषये यत् प्रायः बृहत् मॉडल-उद्योगे उल्लिखितं भवति, सः मन्यते यत् एतत् तावत् महत्त्वपूर्णं नास्ति । यतो हि प्रत्येकं कम्पनी पूर्णतया प्रतिस्पर्धात्मके विपण्यवातावरणे भवति, अतः सा किमपि दिशं न गच्छति चेत् अपि बहवः प्रतियोगिनः सन्ति । "यदि भवान् सर्वदा स्वप्रतियोगिभ्यः १२ तः १८ मासान् पुरतः भवितुम् अर्हति तर्हि भवान् अजेयः भविष्यति। १२ तः १८ मासाः अल्पकालः इति मा मन्यताम्। यद्यपि भवान् स्वप्रतियोगिभ्यः सर्वदा ६ मासाः अग्रे भवितुम् अर्हति चेदपि भवान्।" विजयी भविष्यति ।
सः निर्णयं कृतवान् यत् भविष्ये बृहत् आदर्शानां मध्ये अन्तरं विस्तृतं भवितुम् अर्हति इति । यतो हि बृहत् मॉडलानां छतम् अतीव उच्चम् अस्ति, अतः अद्यापि आदर्शस्थित्याः दूरम् अस्ति अतः मॉडलस्य निरन्तरं पुनरावृत्तिः, अद्यतनीकरणं, उन्नयनं च शीघ्रं करणीयम् अस्ति उपयोक्तृ-आवश्यकतानां निरन्तरं पूर्तये, व्ययस्य न्यूनीकरणाय, कार्यक्षमतां वर्धयितुं च .
बृहत्-माडल-मध्ये प्रतिस्पर्धायाः किमपि बाधाः सन्ति वा इति चर्चायाः अतिरिक्तं, आदान-प्रदानस्य समये रोबिन् ली इत्यनेन एतदपि उल्लेखितम् यत् बृहत्-माडल-विषये अपि कानिचन दुर्बोधाः सन्ति, यत्र मुक्त-स्रोतस्य, बन्द-स्रोत-माडलस्य च कार्यक्षमता, एआइ इत्यादयः विषयाः सन्ति दूत।
रोबिन् ली बन्द-स्रोत-बृहत्-माडलस्य कट्टर-समर्थकः अस्ति "बृहत्-माडल-युगात् पूर्वं सर्वे मुक्त-स्रोत-अर्थात् मुक्त-अल्प-लाभस्य अभ्यस्ताः आसन्, सः व्याख्यातवान् यत् उदाहरणार्थं, मुक्त-स्रोत-लिनक्स, यतः सङ्गणकाः पूर्वमेव विद्यन्ते, अतः linux इत्यस्य उपयोगः भवति it's free. परन्तु बृहत् मॉडल् युगे एते सत्याः न सन्ति बृहत् मॉडल् अनुमानम् अतीव महत् भवति, तथा च मुक्तस्रोत मॉडल् गणनाशक्तिं न ददाति भवद्भिः स्वकीयं उपकरणं क्रेतव्यं भवति, यत् कम्प्यूटिंग् शक्तिः कुशलं उपयोगं प्राप्तुं न शक्नोति
"मुक्तस्रोतप्रतिरूपं कार्यक्षमतायाः दृष्ट्या कुशलं नास्ति" इति सः अवदत्, "सटीकतया वक्तुं शक्यते यत् बन्दस्रोतप्रतिरूपं व्यावसायिकप्रतिरूपम् इति उच्यते। एतत् असंख्यप्रयोक्तृणां कृते अनुसंधानविकासव्ययस्य, यन्त्रसंसाधनानाम्, जीपीयूनां च साझेदारी कर्तुं मार्गः अस्ति अनुमानम् ।
रोबिन् ली इत्यनेन विश्लेषितं यत् शिक्षणं वैज्ञानिकसंशोधनं च इत्यादिषु क्षेत्रेषु मुक्तस्रोतप्रतिरूपं बहुमूल्यं भवति परन्तु वाणिज्यिकक्षेत्रे यदा दक्षतायाः, प्रभावशीलतायाः, न्यूनतमव्ययस्य च अन्वेषणं भवति तदा मुक्तस्रोतप्रतिरूपस्य कोऽपि लाभः नास्ति
बृहत् आदर्शानां अनुप्रयोगविकासस्य विषये सः स्वविचाराः अपि प्रकटितवान् प्रथमः कोपायलट् इति, यः जनानां सहायतां करोति यदि स्वचालनस्य एषः स्तरः अधिकं विकसितः भवति तर्हि एतत् ai worker भविष्यति यः कार्यस्य सर्वान् पक्षान् स्वतन्त्रतया सम्पूर्णं कर्तुं शक्नोति।
सम्प्रति बुद्धिमान् एजेण्ट्-जनाः बृहत्-माडल-कम्पनीनां ग्राहकानाञ्च अधिकाधिकं ध्यानं आकर्षितवन्तः, यद्यपि बहवः जनाः अस्याः विकास-दिशायाः विषये आशावादीः सन्ति तथापि अद्यत्वे बुद्धिमान् एजेण्ट्-जनाः सर्वसम्मतिः नास्ति
"बुद्धिमान् एजेण्ट्-जनानाम् सीमा खलु अतीव न्यूना अस्ति" इति सः अवदत् यत् बहवः जनाः बृहत्-माडल-अनुप्रयोगेषु कथं परिणमयितुं न जानन्ति, बुद्धिमान्-एजेण्ट्-जनाः च अतीव प्रत्यक्षः, कुशलः, सरलः च मार्गः अस्ति मॉडल् इत्यस्य उपरि एजेण्ट्।
(अयं लेखः china business news इत्यस्मात् आगतः)
