Perplexity ডিসিডার v1.3-এ একটি বিস্তারিত পোস্ট প্রকাশ করেছে, এটির সিদ্ধান্ত মডেল পরিবারের নতুন সংস্করণ, যার শিরোনাম "Perplexity Decider v1.3: Training, eval, and use case." পোস্টটি শুক্রবার হ্যাকার নিউজের প্রথম পৃষ্ঠায় আঘাত করে এবং কয়েক ঘন্টার মধ্যে 140 পয়েন্টেরও বেশি আঁকে, ডেভেলপাররা বেঞ্চমার্ক ফলাফল ট্রেড করে এবং এই মডেলগুলি আসলে কোথায় ফিট তা নিয়ে তর্ক করে। এটি এবং অন্যান্য ব্রেকিং এআই নিউজ সম্পর্কে আরও জানতে, আমরা প্রতিটি মডেল রিলিজ হওয়ার সাথে সাথে তা অনুসরণ করি।

একটি আপডেট সম্পর্কে কম এবং থ্রেডটি কী প্রকাশ করে সে সম্পর্কে মনোযোগ বেশি: মাত্র এক বছরে, সিদ্ধান্তের মডেলগুলি তাদের নিজস্ব বেঞ্চমার্ক, তাদের নিজস্ব মূল্যের যুক্তি এবং একটি প্রতিযোগিতামূলক ক্ষেত্র সহ একটি কৌতূহল থেকে একটি ভিড়ের বিভাগে চলে গেছে যা এখন Perplexity, TypeSafe, Microsoft, Google, Cloudflare এবং OpenAI অন্তর্ভুক্ত।

একটি সিদ্ধান্ত মডেল আসলে কি করে

সবচেয়ে পরিষ্কার সংজ্ঞাটি এসেছে কৃত্রিম বিশ্লেষণ থেকে, স্বাধীন মূল্যায়ন ল্যাব যার ডিসিশন ইনডেক্স v2.1 ক্যাটাগরির জন্য রেফারেন্স লিডারবোর্ড হয়ে উঠেছে। এর ব্যাখ্যাকারীতে, একটি সিদ্ধান্তের মডেল একটি নির্দিষ্ট বিকল্পের সেট সহ একটি প্রশ্ন নেয় - উদাহরণস্বরূপ, একটি সমর্থন টিকিট বিলিং বা প্রযুক্তিগত পথে যেতে হবে কিনা, এটি জরুরী কিনা এবং গ্রাহক কতটা বিচলিত - এবং প্রতিটি বিকল্পের জন্য একটি সম্ভাব্যতা সংযুক্ত করে একটি উত্তর ফেরত দেয়, সমস্ত একটি একক কলে।

একটি সাধারণ-উদ্দেশ্য ভাষার মডেল, বিপরীতে, একটি কাঠামোগত আউটপুট তৈরি করে যা তারপরে পার্স করতে হয় এবং একটি যুক্তি মডেল উত্তর দেওয়ার আগে অতিরিক্ত গণনা চিন্তা করে ব্যয় করে। সিদ্ধান্ত মডেল যে এড়িয়ে যান. তাদের বেছে নেওয়ার জন্য প্রশিক্ষিত করা হয়, ব্যাখ্যা করার জন্য নয়, যা তাদের প্রতিটি নথিতে, প্রতিটি অনুরোধে উচ্চ ভলিউমে চালানোর জন্য যথেষ্ট দ্রুত এবং সস্তা করে তোলে।

কিভাবে বিভাগ পরিমাপ করা হয়

কৃত্রিম বিশ্লেষণ সিদ্ধান্ত সূচক v2.1, একটি পাবলিক পদ্ধতির পৃষ্ঠার সাথে আপডেট করা হয়েছে, প্রকাশিত ওজনের সাথে ছয়টি মূল্যায়নকে একত্রিত করেছে: 30 শতাংশে AA-Paperclip, যা সিদ্ধান্ত এবং তথ্য নিষ্কাশনের মাধ্যমে 1,500টি জীবনবৃত্তান্ত, রসিদ, চালান এবং গবেষণাপত্র চালায়; EvalSafe-ONET-AA 15 শতাংশে, TypeSafe-এর ONET বেঞ্চমার্কের ভিত্তিতে কর্মক্ষেত্রের নথি সম্পর্কে রায়; When2Call at 10 শতাংশ, NVIDIA-এর টুল কলিং মূল্যায়ন; জ্ঞান এবং হ্যালুসিনেশনের জন্য 15 শতাংশে AA-সর্ববিজ্ঞান-সিদ্ধান্ত v1.1; HLE-MultiChoice v1.1 এ 15 শতাংশ, মানবতার শেষ পরীক্ষা থেকে পাঠ্য-শুধু বহু-পছন্দের প্রশ্ন প্রত্যাখ্যান করার বিকল্প সহ; এবং AA-সিমেট্রি v1.1 15 শতাংশ, যা যাচাই করে যে একটি সিদ্ধান্ত ধারণ করে যখন এর বিকল্পগুলি সরানো, পুনরায় শব্দ করা বা বাতিল করা হয়।

যে শেষ পরীক্ষা বলুন. আপনি যখন বিকল্পের ক্রম বিপরীত করেন তখন একটি মডেল যা তার উত্তরটি ফ্লিপ করে আসলে সিদ্ধান্ত নেয় না - এটি প্যাটার্ন-ম্যাচিং। ক্রমাঙ্কন, পরিবর্তন এবং কখন প্রত্যাখ্যান করতে হবে তা জানাকে প্রথম শ্রেণীর প্রয়োজনীয়তা হিসাবে বিবেচনা করা হয়, বোনাস নয়।

হ্যাকার নিউজ থ্রেড কি যোগ করে

Perplexity প্রথম ওপেন-ওয়েট পরিবারের একজন 27-বিলিয়ন-প্যারামিটার সদস্য, pplx-decider-v1-27b, অক্টোবরের শুরুতে Hugging Face-এ, তাই সম্প্রদায় কয়েক সপ্তাহ ধরে এই মডেলগুলির উপর হাত রেখেছিল। v1.3 এর প্রতিক্রিয়া এমনভাবে মিশ্রিত হয়েছিল যা একটি হাইপ চক্রের পরিবর্তে একটি স্বাস্থ্যকর বাজারের মতো পড়ে।

একজন ডেভেলপার রিপোর্ট করেছেন যে ডিসিডার v1.3 একটি সত্তা নিষ্কাশন এবং ম্যাচিং টাস্কের জন্য তাদের অভ্যন্তরীণ ইভালগুলিতে v1.2 এবং TypeSafe এর Jev 1.14 উভয়ের উপর লাভ দেখিয়েছে। অন্য একজন বলেছেন যে এটি তাদের স্থানীয় বেঞ্চমার্কে ভাল পারফরম্যান্স করে এবং প্রতিযোগিতামূলকভাবে মূল্য নির্ধারণ করা হয়, উল্লেখ্য যে একটি দ্বিমুখী-মনোযোগী আর্কিটেকচার সিদ্ধান্ত কাজের জন্য উপযুক্ত হতে পারে। অন্যরা পিছনে ঠেলে দিয়েছে: একজন মন্তব্যকারী তাদের ব্যবহারের ক্ষেত্রে v1.3 এক ধাপ পিছিয়ে পেয়েছেন এবং বলেছেন পাবলিক ইনডেক্স সম্মত হয়েছে, এবং অন্য একজন প্রশ্ন করেছেন যে ফ্ল্যাশ ভেরিয়েন্টগুলি সস্তা, নির্ভুল বাল্ক সিদ্ধান্তের বিভাগের মূল প্রতিশ্রুতিকে পাতলা করে কিনা।

থ্রেডটি আশেপাশের ইকোসিস্টেমকেও প্রকাশ করেছে — ক্লাউডফ্লেয়ারের ক্লেফ ডিসিশন মডেল এবং ক্লেইরিক এক্সট্রাকশন মডেল, স্কেলডাউন এপিআই, লিকুইডস ডি1 এবং ওপেনএআই-এর নিজস্ব সিদ্ধান্তের মডেল — অনেক ডেভেলপার উল্লেখ করেছেন যে কৃত্রিম বিশ্লেষণের সূচক, যার মধ্যে রয়েছে প্রতি টাস্কের খরচ এবং ক্রস-নির্ভরতার পাশাপাশি ক্রস-কম্প্রেশন, তারা শুধুমাত্র ক্রস-কম্পিউশনের উপর নির্ভর করে।

কেন এটা গুরুত্বপূর্ণ

আমরা ধাপে ধাপে এই বিভাগের উত্থানকে কভার করেছি: টাইপসেফের জেভ সিস্টেম-ওয়ান মডেল, মাইক্রোসফটের ডিসিশন-1 কুয়েনের উপর নির্মিত এবং গুগলের ডিসিশন এপিআই এর জেমিনি ডিসিশন-1 মডেলের সাথে। বিভ্রান্তি শিপিং v1.3 প্যাটার্নটি নিশ্চিত করে — প্রতিটি প্রধান AI প্ল্যাটফর্ম এখন সেই স্তরের মালিক হতে চায় যেখানে কাঠামোগত পছন্দগুলি করা হয়, কারণ সেই স্তরটি সবকিছুর সামনে বসে: সমর্থন ট্রাইজ, নথি প্রক্রিয়াকরণ, টুল কলিং, সংযম, সম্মতি পরীক্ষা।

অর্থনীতি বিন্দু. একটি যুক্তি মডেল নির্ভুলতার উপর একটি সিদ্ধান্তের মডেলের উত্তর দিতে পারে, কিন্তু উচ্চ আয়তনে এর বিলম্বিতা এবং খরচ এটিকে লক্ষ লক্ষ দৈনিক শ্রেণীবিভাগের জন্য ভুল হাতিয়ার করে তোলে। ডিসিশন মডেলগুলি ক্যালিব্রেটেড, অপরিবর্তনীয়, একক-কল উত্তরগুলির জন্য সাধারণ বুদ্ধিমত্তার লেনদেন করে এবং হ্যাকার নিউজ বিতর্ক দেখায়, ক্রেতারা এখন সেই ট্রেডটিকে প্রকৃত বেঞ্চমার্ক এবং বাস্তব কাজের চাপ দিয়ে গ্রেড করছে৷

ডিসাইডার v1.3 সেই স্কোরকার্ডে বাঁচবে বা মারা যাবে। কিন্তু বিভাগ নিজেই স্পষ্টভাবে এসেছে।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →