نشرت شركة Perplexity منشورًا تفصيليًا عن Decider v1.3، وهو الإصدار الأحدث من مجموعة نماذج القرار الخاصة بها، بعنوان "Perplexity Decider v1.3: حالات التدريب والتقييم والاستخدام". وصل المنشور إلى الصفحة الأولى من Hacker News يوم الجمعة واستقطب أكثر من 140 نقطة في غضون ساعات، حيث قام المطورون بتداول النتائج القياسية وتجادلوا حول المكان الذي تناسب فيه هذه النماذج فعليًا. لمعرفة المزيد حول هذا الموضوع وغيره من أخبار الذكاء الاصطناعي العاجلة، نتابع كل إصدار من النماذج فور صدوره.
الاهتمام أقل بتحديث واحد وأكثر حول ما يكشفه الموضوع: في عام واحد فقط، تحولت نماذج القرار من الفضول إلى فئة مزدحمة بمعاييرها الخاصة، ومنطق التسعير الخاص بها، ومجال تنافسي يتضمن الآن Perplexity، وTypeSafe، وMicrosoft، وGoogle، وCloudflare، وOpenAI.
ما يفعله نموذج القرار فعليًا
التعريف الأوضح يأتي من Artificial Analysis، وهو مختبر التقييم المستقل الذي أصبح مؤشر قراره الإصدار 2.1 هو لوحة المتصدرين المرجعية لهذه الفئة. في الشرح الخاص به، يأخذ نموذج القرار سؤالاً يحتوي على مجموعة ثابتة من الخيارات - على سبيل المثال، تذكرة دعم تسأل عما إذا كان يجب التوجيه إلى الفواتير أو التقنية، وما إذا كان الأمر عاجلاً، ومدى انزعاج العميل - ويعرض إجابة لكل خيار مع احتمالية مرفقة، كل ذلك في مكالمة واحدة.
وعلى النقيض من ذلك، يولد نموذج اللغة للأغراض العامة مخرجات منظمة يجب بعد ذلك تحليلها، وينفق نموذج الاستدلال مزيدًا من التفكير الحسابي قبل أن يجيب. نماذج القرار تتخطى ذلك. لقد تم تدريبهم على الاختيار، وليس الشرح، وهو ما يجعلهم سريعين ورخيصين بما يكفي للتشغيل على كل مستند، وكل طلب، بكميات كبيرة.
كيف يتم قياس الفئة
يجمع مؤشر قرار التحليل الاصطناعي الإصدار 2.1، الذي تم تحديثه بصفحة منهجية عامة، بين ستة تقييمات مع أوزان منشورة: AA-Paperclip بنسبة 30 بالمائة، والذي يدير 1500 سيرة ذاتية وإيصالات وفواتير وأوراق بحثية من خلال القرارات واستخلاص الحقائق؛ EvalSafe-ONET-AA بنسبة 15 بالمائة، استنادًا إلى معيار ONET الخاص بـ TypeSafe للأحكام المتعلقة بمستندات مكان العمل؛ When2Call بنسبة 10 بالمائة، تقييم استدعاء الأدوات من NVIDIA؛ AA-Omniscience-Decision v1.1 بنسبة 15 بالمائة للمعرفة والهلوسة؛ HLE-MultiChoice v1.1 بنسبة 15 بالمائة، أسئلة الاختيار من متعدد النصية فقط من الاختبار الأخير للإنسانية مع خيار الرفض؛ وAA-Symmetry v1.1 بنسبة 15 بالمائة، والتي تتحقق من بقاء القرار ساريًا عند نقل خياراته أو إعادة صياغتها أو إبطالها.
هذا الاختبار الأخير هو القول. النموذج الذي يقلب إجابته عند عكس ترتيب الخيارات لا يقرر في الواقع - بل هو مطابقة للأنماط. يتم التعامل مع المعايرة والثبات ومعرفة متى يتم الرفض على أنها متطلبات من الدرجة الأولى، وليست مكافآت.
ما يضيفه موضوع أخبار الهاكر
قامت شركة Perplexity لأول مرة بوزن عضو من العائلة مكون من 27 مليار معلمة، pplx-decider-v1-27b، على Hugging Face في أوائل أكتوبر، لذلك كان المجتمع قد وضع يديه على هذه النماذج لأسابيع. كان رد الفعل على الإصدار 1.3 مختلطًا بطريقة تبدو وكأنها سوق صحي وليس دورة ضجيج.
أفاد أحد المطورين أن Decider v1.3 أظهر مكاسب مقارنة بكل من الإصدار 1.2 وTypeSafe's Jev 1.14 في تقييماتهم الداخلية لمهمة استخراج الكيان ومطابقته. وقال آخر إنه يعمل بشكل جيد وفقًا لمعاييره المحلية ويتم تسعيره بشكل تنافسي، مشيرًا إلى أن بنية الاهتمام ثنائي الاتجاه قد تناسب اتخاذ القرار. رد آخرون: وجد أحد المعلقين أن الإصدار 1.3 يمثل خطوة إلى الوراء بالنسبة لحالة الاستخدام الخاصة بهم وقال إن المؤشر العام وافق، وتساءل آخر عما إذا كانت متغيرات الفلاش تخفف من الوعد الأساسي للفئة باتخاذ قرارات مجمعة رخيصة ودقيقة.
كما أظهر الموضوع أيضًا النظام البيئي المحيط - نماذج القرار الخاصة بـ Cloudflare's Clef ونموذج الاستخراج Clairic، وScaleDown API، وLiquid's D1 ونموذج القرار الخاص بـ OpenAI - حيث أشار العديد من المطورين إلى أن مؤشر التحليل الاصطناعي، الذي يتضمن التكلفة لكل مهمة والمعايرة إلى جانب الدقة، هو المقارنة الوحيدة بين البائعين الذين يثقون بها.
لماذا يهم
لقد قمنا بتغطية صعود هذه الفئة خطوة بخطوة: نموذج Jev System-1 من TypeSafe، وDecision-1 من Microsoft المبني على Qwen، وواجهة برمجة تطبيقات Decisions من Google مع نموذج Gemini Decision-1. يؤكد الإصدار 1.3 من Perplexity Shipping v1.3 هذا النمط - تريد كل منصة رئيسية للذكاء الاصطناعي الآن امتلاك الطبقة التي يتم من خلالها اتخاذ الاختيارات المنظمة، لأن هذه الطبقة تقع أمام كل شيء: فرز الدعم، ومعالجة المستندات، واستدعاء الأدوات، والإشراف، وفحوصات الامتثال.
الاقتصاد هو النقطة. يمكن لنموذج الاستدلال أن يتفوق على نموذج القرار من حيث الدقة، ولكن عند الكميات الكبيرة، فإن زمن الاستجابة والتكلفة يجعله أداة خاطئة لملايين التصنيفات اليومية. تقوم نماذج القرار باستبدال الذكاء العام بإجابات معايرة وثابتة وذات نداء واحد، وكما يظهر النقاش الذي دار حول Hacker News، يقوم المشترون الآن بتصنيف تلك التجارة باستخدام معايير حقيقية وأعباء عمل حقيقية.
سيعيش Decider v1.3 أو يموت على بطاقات الأداء هذه. لكن الفئة نفسها وصلت بوضوح.
---
ابقَ في طليعة الذكاء الاصطناعياحصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
