Perplexity Ships Decider v1.3 ជាគំរូនៃការសម្រេចចិត្តក្លាយជាទីផ្សាររបស់ពួកគេផ្ទាល់

Perplexity បានបោះពុម្ពផ្សាយការបង្ហោះលម្អិតនៅលើ Decider v1.3 ដែលជាកំណែថ្មីបំផុតនៃគ្រួសារគំរូនៃការសម្រេចចិត្តរបស់ខ្លួនដែលមានចំណងជើងថា "Perplexity Decider v1.3: ការបណ្តុះបណ្តាល ការវាយតម្លៃ និងករណីប្រើប្រាស់។" ការបង្ហោះនេះបានវាយលុកទំព័រមុខរបស់ Hacker News កាលពីថ្ងៃសុក្រ ហើយទទួលបានច្រើនជាង 140 ពិន្ទុក្នុងរយៈពេលប៉ុន្មានម៉ោង ដោយមានអ្នកអភិវឌ្ឍន៍ធ្វើការជួញដូរលទ្ធផលគោល និងជជែកគ្នាអំពីកន្លែងដែលម៉ូដែលទាំងនេះពិតជាសម។ សម្រាប់ព័ត៌មានបន្ថែមអំពីរឿងនេះ និង [ព័ត៌មាន AI ដ៏ទៃទៀត] (https://aibuzzwire.news) យើងតាមដានរាល់ការចេញផ្សាយម៉ូដែលនៅពេលវាមកដល់។

ការយកចិត្តទុកដាក់គឺតិចជាងការអាប់ដេតមួយ និងច្រើនទៀតអំពីអ្វីដែលបណ្តាញនេះបង្ហាញ៖ ក្នុងរយៈពេលត្រឹមតែមួយឆ្នាំ គំរូនៃការសម្រេចចិត្តបានចេញពីការចង់ដឹងចង់ឃើញទៅកាន់ប្រភេទហ្វូងមនុស្សដែលមានស្តង់ដារផ្ទាល់ខ្លួន តក្កវិជ្ជាតម្លៃផ្ទាល់ខ្លួនរបស់ពួកគេ និងវាលប្រកួតប្រជែងដែលឥឡូវនេះរួមមាន Perplexity, TypeSafe, Microsoft, Google, Cloudflare និង OpenAI ។

អ្វីទៅជាគំរូនៃការសម្រេចចិត្តពិតប្រាកដ

និយមន័យច្បាស់លាស់បំផុតបានមកពីការវិភាគសិប្បនិម្មិត ដែលជាមន្ទីរពិសោធន៍វាយតម្លៃឯករាជ្យដែលសន្ទស្សន៍ការសម្រេចចិត្ត v2.1 បានក្លាយជាតារាងពិន្ទុយោងសម្រាប់ប្រភេទ។ នៅក្នុងការពន្យល់របស់វា គំរូការសម្រេចចិត្តយកសំណួរជាមួយនឹងជម្រើសថេរមួយ - ឧទាហរណ៍ សំបុត្រជំនួយដែលសួរថាតើត្រូវធ្វើដំណើរទៅវិក្កយបត្រ ឬបច្ចេកទេស ថាតើវាជារឿងបន្ទាន់ និងថាតើអតិថិជនមានការខកចិត្តយ៉ាងណា — ហើយផ្តល់ចម្លើយសម្រាប់គ្រប់ជម្រើសដែលមានប្រូបាប៊ីលីតេភ្ជាប់ ទាំងអស់នៅក្នុងការហៅទូរសព្ទតែមួយ។

ផ្ទុយទៅវិញ គំរូភាសាគោលបំណងទូទៅ បង្កើតលទ្ធផលជារចនាសម្ព័ន្ធដែលបន្ទាប់មកត្រូវញែក ហើយគំរូហេតុផលត្រូវចំណាយការគិតក្នុងការគណនាបន្ថែម មុនពេលវាឆ្លើយ។ ម៉ូដែលការសម្រេចចិត្តរំលងវា។ ពួកគេត្រូវបានបណ្តុះបណ្តាលឱ្យជ្រើសរើស មិនមែនដើម្បីពន្យល់ ដែលជាអ្វីដែលធ្វើឱ្យពួកគេលឿន និងថោកគ្រប់គ្រាន់ដើម្បីដំណើរការលើគ្រប់ឯកសារ រាល់សំណើក្នុងបរិមាណខ្ពស់។

របៀបដែលប្រភេទត្រូវបានវាស់វែង

សន្ទស្សន៍ការសម្រេចចិត្តការវិភាគសិប្បនិម្មិត v2.1 បានធ្វើបច្ចុប្បន្នភាពជាមួយទំព័រវិធីសាស្រ្តសាធារណៈ រួមបញ្ចូលគ្នានូវការវាយតម្លៃចំនួនប្រាំមួយជាមួយនឹងទម្ងន់ដែលបានបោះពុម្ពផ្សាយ៖ AA-Paperclip នៅ 30 ភាគរយដែលដំណើរការ 1,500 ប្រវត្តិរូប បង្កាន់ដៃ វិក្កយបត្រ និងឯកសារស្រាវជ្រាវតាមរយៈការសម្រេចចិត្ត និងការស្រង់ចេញការពិត។ EvalSafe-ONET-AA នៅ 15 ភាគរយ ដោយផ្អែកលើស្តង់ដារ ONET របស់ TypeSafe នៃការវិនិច្ឆ័យអំពីឯកសារនៅកន្លែងធ្វើការ។ When2Call នៅ 10 ភាគរយ ការវាយតម្លៃការហៅឧបករណ៍របស់ NVIDIA; AA-Omniscience-Decision v1.1 នៅ 15 ភាគរយសម្រាប់ចំណេះដឹង និងការយល់ច្រលំ។ HLE-MultiChoice v1.1 នៅ 15 ភាគរយ សំណួរពហុជ្រើសរើសអត្ថបទពីការប្រឡងចុងក្រោយរបស់មនុស្សជាតិជាមួយនឹងជម្រើសដើម្បីបដិសេធ។ និង AA-Symmetry v1.1 នៅ 15 ភាគរយ ដែលពិនិត្យមើលថាការសម្រេចចិត្តមាននៅពេលដែលជម្រើសរបស់វាត្រូវបានផ្លាស់ប្តូរ សរសេរឡើងវិញ ឬអវិជ្ជមាន។

ការធ្វើតេស្តចុងក្រោយនេះគឺជាការប្រាប់។ គំរូ​ដែល​ត្រឡប់​ចម្លើយ​របស់​វា​នៅ​ពេល​អ្នក​បញ្ច្រាស​លំដាប់​នៃ​ជម្រើស​គឺ​មិន​មែន​ជា​ការ​សម្រេច​ចិត្ត​ទេ—វា​ត្រូវ​គ្នា​នឹង​លំនាំ។ ការក្រិតតាមខ្នាត ភាពមិនប្រែប្រួល និងការដឹងនៅពេលត្រូវបដិសេធត្រូវបានចាត់ទុកជាតម្រូវការថ្នាក់ដំបូង មិនមែនជាប្រាក់រង្វាន់ទេ។

អ្វីដែលក្រុម Hacker News Thread បន្ថែម

ភាពច្របូកច្របល់ជាលើកដំបូងបានធ្វើឱ្យសមាជិកគ្រួសារមានប៉ារ៉ាម៉ែត្រ 27 ពាន់លានគឺ pplx-decider-v1-27b នៅលើ Hugging Face នៅដើមខែតុលា ដូច្នេះសហគមន៍បានដៃលើម៉ូដែលទាំងនេះជាច្រើនសប្តាហ៍។ ប្រតិកម្មទៅនឹង v1.3 ត្រូវបានលាយបញ្ចូលគ្នាក្នុងរបៀបមួយដែលអានថាជាទីផ្សារដែលមានសុខភាពល្អជាជាងវដ្តនៃការឃោសនាបំផ្លើស។

អ្នកអភិវឌ្ឍន៍ម្នាក់បានរាយការណ៍ថា Decider v1.3 បង្ហាញពីការកើនឡើងទាំង v1.2 និង Jev 1.14 របស់ TypeSafe លើការវាយតម្លៃផ្ទៃក្នុងរបស់ពួកគេសម្រាប់ការទាញយកអង្គភាព និងភារកិច្ចដែលត្រូវគ្នា។ អ្នកផ្សេងទៀតបាននិយាយថាវាដំណើរការបានល្អនៅលើស្តង់ដារក្នុងស្រុករបស់ពួកគេ ហើយមានតម្លៃប្រកួតប្រជែង ដោយកត់សម្គាល់ថាស្ថាបត្យកម្មការយកចិត្តទុកដាក់ទ្វេអាចសមនឹងការងារការសម្រេចចិត្ត។ អ្នកផ្សេងទៀតបានរុញថយក្រោយ៖ អ្នកអត្ថាធិប្បាយម្នាក់បានរកឃើញ v1.3 មួយជំហានថយក្រោយសម្រាប់ករណីប្រើប្រាស់របស់ពួកគេ ហើយបាននិយាយថាសន្ទស្សន៍សាធារណៈបានយល់ព្រម ហើយអ្នកផ្សេងទៀតបានចោទសួរថាតើវ៉ារ្យ៉ង់ flash បន្ថយការសន្យាស្នូលនៃប្រភេទនៃការសម្រេចចិត្តភាគច្រើនដែលមានតំលៃថោក និងត្រឹមត្រូវ។

ខ្សែស្រឡាយក៏បានបង្ហាញពីប្រព័ន្ធអេកូឡូស៊ីជុំវិញ — គំរូការសម្រេចចិត្ត Clef របស់ Cloudflare និងគំរូការទាញយក Clairic, ScaleDown API, Liquid's D1 និងគំរូការសម្រេចចិត្តរបស់ OpenAI — ជាមួយអ្នកអភិវឌ្ឍន៍ជាច្រើនបានកត់សម្គាល់ថាសន្ទស្សន៍ការវិភាគសិប្បនិម្មិតដែលរួមបញ្ចូលតម្លៃក្នុងមួយកិច្ចការ និងការក្រិតតាមខ្នាតស្របនឹងភាពត្រឹមត្រូវ គឺជាអ្នកចែកចាយតែម្នាក់គត់ដែលអាចទុកចិត្តបាន។

ហេតុអ្វីវាសំខាន់

យើងបានគ្របដណ្តប់ការកើនឡើងនៃប្រភេទនេះមួយជំហានម្តងៗ៖ គំរូប្រព័ន្ធ Jev របស់ TypeSafe's Decision-1 របស់ Microsoft ដែលបង្កើតឡើងនៅលើ Qwen និង API ការសម្រេចចិត្តរបស់ Google ជាមួយនឹងគំរូ Gemini Decision-1 របស់វា។ Perplexity shipping v1.3 បញ្ជាក់ពីគំរូ — រាល់វេទិកា AI សំខាន់ៗឥឡូវនេះចង់ធ្វើជាម្ចាស់ស្រទាប់ដែលជម្រើសដែលមានរចនាសម្ព័ន្ធត្រូវបានធ្វើឡើង ពីព្រោះស្រទាប់នោះស្ថិតនៅពីមុខអ្វីៗទាំងអស់៖ ការគាំទ្រ triage ដំណើរការឯកសារ ការហៅឧបករណ៍ ការសម្របសម្រួល ការត្រួតពិនិត្យការអនុលោមភាព។

សេដ្ឋកិច្ចគឺជាចំណុច។ គំរូហេតុផលអាចឆ្លើយតបគំរូនៃការសម្រេចចិត្តលើភាពត្រឹមត្រូវ ប៉ុន្តែក្នុងបរិមាណខ្ពស់ ភាពយឺតយ៉ាវ និងការចំណាយរបស់វា ធ្វើឱ្យវាក្លាយជាឧបករណ៍ខុសសម្រាប់ការចាត់ថ្នាក់ប្រចាំថ្ងៃរាប់លាន។ គំរូនៃការសម្រេចចិត្តធ្វើពាណិជ្ជកម្មការស៊ើបការណ៍ទូទៅសម្រាប់ចម្លើយដែលបានកំណត់ ការហៅចេញតែមួយដង ហើយដូចដែលការជជែកដេញដោលរបស់ Hacker News បង្ហាញ អ្នកទិញឥឡូវនេះកំពុងផ្តល់ចំណាត់ថ្នាក់ថាធ្វើពាណិជ្ជកម្មជាមួយនឹងស្តង់ដារពិតប្រាកដ និងបន្ទុកការងារពិតប្រាកដ។

ការសម្រេចចិត្ត v1.3 នឹងរស់ ឬស្លាប់នៅលើតារាងពិន្ទុទាំងនោះ។ ប៉ុន្តែប្រភេទខ្លួនវាបានមកដល់យ៉ាងច្បាស់។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →