US အလုပ်ချိန်များ၏ 90% သည် AI Benchmark လွှမ်းခြုံမှု ကင်းမဲ့သည်၊ Mercor ၏ Benchmark Map သည် တွေ့ရှိသည်

AI ဦးဆောင်ဘုတ်များသည် မော်ဒယ်များက ကုဒ်ရေးနည်း၊ သင်္ချာပုစ္ဆာများကို ဖြေရှင်းနည်းနှင့် ဘွဲ့လွန်အဆင့် စာမေးပွဲများကို ဖြေဆိုပုံအကြောင်း သိသိသာသာ အသေးစိတ်ကျသော ဇာတ်လမ်းကို ပြောပြသည်။ မော်ဒယ်များ သည် အမေရိကန်များ အမှန်တကယ် လုပ်ရန် အခကြေးငွေ ပေးဆောင်ရသည့် မော်ဒယ်များ မည်မျှ ကောင်းမွန်စွာ စွမ်းဆောင်နိုင်သည်ကို ၎င်းတို့ လုံးဝ မပြောသင့်ပေ။

AI စွမ်းရည်စျေးကွက် Mercor မှသုတေသနပရောဂျက်အသစ်တစ်ခုသည်ထိုကွာဟချက်အပေါ်နံပါတ်တစ်ထည့်ထားသည်။ ယခုသီတင်းပတ်တွင်ထုတ်ဝေသည့် ကုမ္ပဏီ၏ Benchmark Map အရ၊ အကြမ်းဖျင်းအားဖြင့် အမေရိကန်အလုပ်ချိန်များ၏ 90% သည် ရှိပြီးသား AI စံနှုန်းများမှ အကျုံးဝင်မှုအနည်းငယ် သို့မဟုတ် လုံးဝမရှိဘဲ အလုပ်များတွင် သုံးစွဲကြသည်။ For more context on this story, see our ongoing latest AI developments.

“ဒါက အမေရိကန်တွေ တကယ်လုပ်တဲ့ အလုပ်မှာ AI မော်ဒယ်တွေ ဘယ်လောက်ကောင်းလဲ ဆိုတာ သိဖို့ ခက်ပါတယ်” ဟု ကုမ္ပဏီ၏ တွေ့ရှိချက်တွင် ရေးသားထားသည်။

မည်သည် စံနှုန်းများ လွဲသည်ကို ရေတွက်ခြင်း။

မြေပုံကိုတည်ဆောက်ရန်အတွက် Mercor သည် အရည်အသွေးနှင့် စီးပွားရေးဆိုင်ရာ ဆက်စပ်မှုအတွက် ရွေးချယ်ထားသော စံညွှန်း ၂၉ ခုကို ပြုစုပြီး အမေရိကန်အစိုးရ၏ O*NET လုပ်ငန်းခွင်ဒေတာဘေ့စ် — စံသတ်မှတ်ထားသော အလုပ်အကိုင် 923 ခုနှင့် အမေရိကန်အလုပ်သမားအင်အားစုတို့ပါဝင်သည့် ကွဲပြားသည့်အလုပ်ပေါင်း 18,797 တို့ကို ပုံဖော်ထားသည်။

လွှမ်းခြုံထားသော နံပါတ်များသည် ပြင်းထန်သည်။ O*NET အလုပ်အကိုင် 923 ခုတွင် 208 ခုသာ စံသတ်မှတ်ချက်လွှမ်းခြုံမှုရှိပြီး လုပ်ငန်းခွင် 18,797 ၏ 924 ခုကိုသာ အညွှန်းတစ်ခုလုံးတွင် ကိုယ်စားပြုထားသည်။

ပရောဂျက်၏ဆိုက်တွင် မှတ်တမ်းတင်ထားသော နည်းစနစ်သည် AI ကိုယ်တိုင်အပေါ် မူတည်သည်- မကြာသေးမီက သုတေသနပြုပြီးနောက် LLM တရားသူကြီးတစ်ဦးသည် Mercor ၏ ကိုယ်ပိုင် APEX စံသတ်မှတ်ချက်ခွဲခွဲတွင် လူသားကျွမ်းကျင်သူအညွှန်းများကို တရားဝင်အမှတ်အသားပြုလုပ်ခြင်းဖြင့် ၎င်းနှင့်သက်ဆိုင်သည့် အခြေခံစံနှုန်းတစ်ခုစီကို ONET လုပ်ငန်းဆောင်တာများဖြင့် တဂ်လုပ်ထားသည်။ အလုပ်တစ်ခုသည် 29-စံညွှန်းညွှန်းကိန်းမှ အနည်းဆုံး အချက်ငါးချက်ကို တရားသူကြီးက မြေပုံဆွဲထားမှသာ အကျုံးဝင်သည်ဟု ရေတွက်သည်။ အကျုံးဝင်မှုကို စီးပွားရေးဝေါဟာရအဖြစ် ဘာသာပြန်ရန်၊ Mercor သည် ၎င်း၏ခန့်မှန်းချက်များကို ONET လုပ်ငန်းတစ်ခုစီ၏ အလုပ်ချိန်ဝေစု၏ မကြာသေးမီကထုတ်ဝေခဲ့သော LLM မှရရှိသည့် ခန့်မှန်းချက်များကို ပေါင်းစပ်ထားသည်။

အကျုံးဝင်မှုသည် ငွေနောက်လိုက်ပါသည်။

ကွက်လပ်များကို ကျပန်းဖြန့်ဝေခြင်းမဟုတ်ပါ။ Mercor ၏ ခွဲခြမ်းစိတ်ဖြာမှုအရ AI အသိုက်အဝန်းသည် အကြီးမားဆုံးအလုပ်သမားစျေးကွက်များကို ဦးစွာစံနမူနာပြုထားသည် — ဗျူရို၏အလုပ်သမားစာရင်းအင်းလုပ်ခလစာနှင့် အလုပ်အကိုင်ခန့်မှန်းချက်များမှတွက်ချက်ထားသော အကြီးမားဆုံးစုစုပေါင်းလုပ်ခလစာငွေများနှင့် အလုပ်အကိုင်များကို ညွှန်ပြနေသည်။

အလုပ်နှင့် မိသားစု ပြိုကွဲမှုသည် အာရုံစိုက်မှု မည်မျှ မညီသည်ကို ပြသသည်။ ကွန်ပျူတာနှင့် သင်္ချာဆိုင်ရာ အလုပ်အကိုင်များ၊ စံမှတ်ဖန်တီးမှု၏ အိမ်တွင်းမြက်ခင်းပြင်သည် အလုပ်အကိုင် ၃၆ ခုတွင် ၂၉ ခုတွင် အကောင်းဆုံးဖြစ်သည်။ စီးပွားရေးနှင့်ဘဏ္ဍာရေးဆိုင်ရာလုပ်ငန်းများသည် 48 တွင် 33 တွင် လိုက်နေပါသည်။ သို့သော် သန်းနှင့်ချီသောအလုပ်ရှင်မိသားစုဖြစ်သော ရုံးနှင့် စီမံခန့်ခွဲရေးဆိုင်ရာ ပံ့ပိုးကူညီမှုတွင် အကျုံးဝင်သည့် အလုပ်အကိုင် 51 ခုတွင် 21 ခုသာရှိပြီး 56 ခုတွင် 21 ခုသာရှိသည်။

အကောင်းမွန်ဆုံးသော အသက်မွေးဝမ်းကျောင်းများတွင်ပင် အနက်သည် ပါးလွှာသည်။ Mercor သည် အခြေခံစံနှုန်း-လေးလံသောအလုပ်လေးခုဖြစ်သည့် ရင်းနှီးမြှုပ်နှံမှုဘဏ်လုပ်ငန်း၊ ဥပဒေ၊ စာရင်းကိုင်နှင့် ဆော့ဖ်ဝဲအင်ဂျင်နီယာတို့အတွက် ONET-လေးလံသော အမှတ်ပေးမှုကို ကြိုးပမ်းသောအခါ၊ ထိုအလုပ်များနှင့်သက်ဆိုင်သည့် ONET အလုပ်များ၏ သုံးပုံတစ်ပုံထက်နည်းသော စံသတ်မှတ်ချက်တွင် ထည့်သွင်းရန် လုံလောက်သော စံနှုန်းလွှမ်းခြုံမှုရှိကြောင်း တွေ့ရှိခဲ့သည်။

မျက်မမြင်အစက်အပြောက်တွေက ဘာကြောင့်အရေးကြီးတာလဲ။

စံနှုန်းအမှတ်များသည် မှန်ကန်သော ဆုံးဖြတ်ချက်များကို ဖြစ်ပေါ်စေသည့် အခိုက်အတန့်တွင် မြေယာရှာဖွေမှုဖြစ်သည်။ လုပ်ငန်းများသည် အကဲဖြတ်မှုများအပေါ် အခြေခံ၍ မော်ဒယ်အဆင့်များကို ရွေးချယ်သည်။ ဘုတ်အဖွဲ့များသည် စံနှုန်းခုန်နှုန်းသတ်မှတ်ချက်များတွင် ရှေ့တန်း-မော်ဒယ်တိုးတက်မှုအကြောင်း ကြားနေရသည်။ စည်းမျဥ်းချိန်တွယ်သည့်အခါ မူဝါဒချမှတ်သူများသည် စွမ်းဆောင်ရည်လမ်းကြောင်းများကို ကိုးကားကြသည်။ အလုပ်ချိန်၏ 90% သည် မည်သည့်စံနှုန်းစံသတ်မှတ်ချက်များအပြင်တွင် ထိုင်နေပါက၊ အဆိုပါ ဆုံးဖြတ်ချက်များအားလုံးသည် ရုံးဘောင်အတွင်း၊ နည်းပညာပိုင်းနှင့် ပညာရပ်တို့ဘက်သို့ လှည့်ပတ်နေသော နမူနာတစ်ခုပေါ်တွင် ကျန်နေပါသည်။

တည်ဆောက်ပုံဆိုင်ရာ အကြောင်းပြချက်များ စံသတ်မှတ်ချက်များ အစုအပြုံလိုက် လုပ်ဆောင်သည့်နေရာတွင် ရှိနေသည်။ ဆော့ဖ်ဝဲအင်ဂျင်နီယာလုပ်ငန်းတာဝန်များကို သတ်မှတ်ရန် စျေးပေါသည်၊ အလိုအလျောက် အဆင့်သတ်မှတ်ရန် စျေးပေါပြီး ဆော့ဖ်ဝဲလ်ကို အများအားဖြင့် ရေးသားသည့် စံစာရေးဆရာများအတွက် လွယ်ကူပါသည်။ ဆေးဘက်ဆိုင်ရာလက်ထောက်တစ်ဦး၏ အိပ်ရာဘေးတွင် အကဲဖြတ်သည့်ပုံစံ၊ ပြောင်းလဲနေသော ကန့်သတ်ချက်များအောက်တွင် ထောက်ပံ့ပို့ဆောင်ရေးညှိနှိုင်းရေးမှူး၏ စီရင်ချက် သို့မဟုတ် လျှပ်စစ်ပညာရှင်၏ ရောဂါရှာဖွေရေးလုပ်ငန်းစဉ်သည် စံသတ်မှတ်ရန် ပိုမိုခက်ခဲသည်၊ အဝေးမှစစ်ဆေးရန် ခက်ခဲသည်နှင့် များစွာသောကိစ္စများတွင် ရုပ်ပိုင်းဆိုင်ရာပါဝင်မှုမရှိဘဲ စမ်းသပ်ရန်မဖြစ်နိုင်ပါ။

Mercor သည် လေ့ကျင့်ရေးနှင့် အကဲဖြတ်ခြင်းလုပ်ငန်းအတွက် ဒိုမိန်းကျွမ်းကျင်သူများကို AI ဓာတ်ခွဲခန်းများနှင့် ကိုက်ညီသည့် လုပ်ငန်းဖြစ်ပြီး အကဲဖြတ်ခြင်းဆိုင်ရာ အကျုံးဝင်မှုမှာ ပါးလွှာကြောင်း ထောက်ပြရန်အတွက် သိသာထင်ရှားသော စီးပွားဖြစ်စိတ်ဝင်စားမှုရှိပြီး ကုမ္ပဏီသည် ထိုကွာဟချက်ကို အတိအကျပိတ်နိုင်သည့် ကျွမ်းကျင်သူများကို ရောင်းချပေးပါသည်။ သို့သော် အရင်းခံ တိုင်းတာခြင်းပြဿနာသည် မှန်ကန်ပြီး နယ်ပယ်အနှံ့ ပိုမိုအသိအမှတ်ပြုလာကာ ကုမ္ပဏီသည် စိစစ်ရန်အတွက် ၎င်း၏နည်းစနစ်နှင့် စံသတ်မှတ်ချက်စာရင်းအပြည့်အစုံကို ထုတ်ပြန်ခဲ့သည်။

ကုမ္ပဏီက ၎င်း၏ Benchmark Map သည် စီးပွားရေးတစ်ဝှမ်းရှိ AI စွမ်းရည်များကို နားလည်ရန် စဉ်ဆက်မပြတ် မွမ်းမံထားသော အရင်းအမြစ်တစ်ခုဆီသို့ ပထမခြေလှမ်းဖြစ်ပြီး ၎င်းသည် မကြာခဏ စံသတ်မှတ်ထားသော အလုပ်များကို ပျမ်းမျှအားလွှမ်းမိုးထားမည့်အစား O*NET-weighted model ရမှတ်များဆီသို့ လုပ်ဆောင်နေပါသည်။

တိုင်းတာမှု ဆယ်စုနှစ်

နောက်ဆက်တွဲဘာတွေဆက်ဖြစ်မလဲ စံနှုန်းတည်ဆောက်သူတွေဟာ စီးပွားရေးမြေပုံကို လိုက်နာသလားဆိုတဲ့အပေါ်မှာ မူတည်ပါတယ်။ Mercor ဒေတာသည် လွှမ်းခြုံမှုပျောက်ဆုံးနေသည့်နေရာကို ညွှန်ပြသည် — နှင့် စံနှုန်းအသစ်များသည် အချက်အလက်တန်ဖိုးအများဆုံးသယ်ဆောင်သည့်နေရာတွင် အဓိပ္ပာယ်သက်ရောက်သည်။ ကြီးမားသောအလုပ်အကိုင်၊ မြင့်မားသောလုပ်ခလစာငွေများနှင့် သုညစံညွှန်းအကျုံးဝင်သည့် အလုပ်အကိုင်များသည် ပွင့်လင်းအကဲဖြတ်သည့်နယ်မြေဖြစ်သည်။

ယခုအချိန်တွင်၊ AI ဦးဆောင်သူဘုတ်သတင်းကို စားသုံးသူတိုင်းအတွက် လက်တွေ့ကျသော နုတ်ထွက်ချက်မှာ သတိပေးချက်ဖြစ်သည်- မော်ဒယ်၏ စံသတ်မှတ်ချက်ပရိုဖိုင်သည် စံသတ်မှတ်ချက်များ အကျုံးဝင်သည့် စီးပွားရေးကဏ္ဍတွင် ၎င်း၏ အားသာချက်များကို ဖော်ပြသည်။ အခြားအလုပ်ချိန်များ၏ 90% - စီမံခန့်ခွဲသူအလုပ်၊ ပြုစုစောင့်ရှောက်မှု၊ လယ်ကွင်းဝန်ဆောင်မှု၊ ကြမ်းပြင်စီမံခန့်ခွဲရေး - သည် အတိုင်းအတာကြီးမားစွာမသတ်မှတ်ရသေးသောနယ်မြေဖြစ်ပြီး ၎င်းကို AI အသွင်ပြောင်းခြင်းနှင့်ပတ်သက်၍ လက်ရှိတွင် အထောက်အထားများထက် ပုံတိုပတ်စထက် ပိုမို၍အရေးဆိုထားသည်။

ကုမ္ပဏီ၏ကိုယ်ပိုင်ဘောင်သွင်းထားသည့်အတိုင်း၊ စံသတ်မှတ်ချက်များသည် မကြာသေးမီနှစ်များအတွင်း များပြားလာသော်လည်း စီးပွားရေးအရတန်ဖိုးရှိသောအလုပ်များ၏လွှမ်းခြုံမှုမှာ အကန့်အသတ်ရှိနေဆဲဖြစ်သည်။ မြေပုံသည် ထိုကန့်သတ်ချက်ကို မြင်နိုင်စေသည်၊ အကွက်အလိုက် အကွက်လိုက်၊ အလုပ်အကိုင်အလိုက် သိမ်းပိုက်ထားသည်။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →