Vals သည် AI Benchmarking အတွက် Gold Standard ဖြစ်လာရန် Andreessen Horowitz ဦးဆောင်သော ဒေါ်လာ သန်း 40 စုဆောင်း

AI စံနှုန်းများသည် မည်သည့်မော်ဒယ်များကို ခေါင်းကြီးပိုင်းဖြစ်စေရန် ဆုံးဖြတ်သည် — နှင့် အဆိုပါမော်ဒယ်များကို တည်ဆောက်သည့်ကုမ္ပဏီများသည် ၎င်းတို့ကို မည်သို့အနိုင်ယူရမည်ကို လေ့လာခဲ့ကြသည်။ 2024 ခုနှစ်တွင်ဖွဲ့စည်းခဲ့သော Vals ဟုခေါ်သော startup တစ်ခုသည် 8VC နှင့် Bloomberg Beta ဦးဆောင်သော မျိုးစေ့အဝိုင်းကို ဦးဆောင်သည့် မျိုးစေ့ဝိုင်းများအပြီးတွင် 8VC နှင့် Bloomberg Beta မှ ဦးဆောင်သော မျိုးစေ့ဝိုင်းများအပြီးတွင် စက်မှုလုပ်ငန်းမှ ဒိုင်လူကြီးတစ်ဦး လိုအပ်ကြောင်း 2024 ခုနှစ်တွင် ဖွဲ့စည်းခဲ့သည့် Vals ဟုခေါ်သော startup သည် လောင်းကြေးပေးပါသည်။

AI စွမ်းရည်များကို တိုင်းတာပုံနှင့် ကိုက်တံသည် စျေးကွက်ရှာဖွေရေးကိရိယာ ဖြစ်လာသောအခါတွင် ကုမ္ပဏီ၏ တိုးတက်မှုသည် တိုးလာနေပါသည်။ AI ၏လုပ်ငန်းအကြောင်းပိုမိုသိရှိလိုပါက AI လုပ်ငန်းဆိုင်ရာလွှမ်းခြုံမှု ကို လိုက်နာပါ။

Benchmarks များသည် Marketing ဖြစ်လာသောအခါ

Benchmarking သည် AI မော်ဒယ်များ၏ စွမ်းဆောင်ရည်များကို သက်သေပြခြင်းအတွက် လုပ်ငန်းစံနှုန်းတစ်ခုဖြစ်လာသည် — နှင့် နံပါတ်များသည် ကုမ္ပဏီတစ်ခု၏ပုံစံကို ပြောင်းသွားသောအခါတွင်၊ ပြိုင်ဘက်များထက် သာလွန်သောကြော်ငြာများအတွက်သာလွန်သည်။ ကောင်းမွန်သောစံနှုန်းများသည် လူထုဆက်ဆံရေးကောင်းမွန်ခြင်းကို ဆိုလိုသည်။

Vals ပူးတွဲတည်ထောင်သူနှင့် စီအီးအို Rayan Krishnan ၏အဆိုအရ ပြဿနာမှာ အစောပိုင်းမော်ဒယ်များ၏ မျိုးဆက်များအတွက် အမွေအနှစ်စံညွှန်းအများအပြားကို တည်ဆောက်ခဲ့ခြင်းဖြစ်ပြီး ကုမ္ပဏီများသည် ၎င်းတို့နှင့်ဆန့်ကျင်ဘက်သို့ အကောင်းဆုံးဖြစ်အောင် မည်သို့လုပ်ဆောင်ရမည်ကို အဖြေရှာခဲ့ကြခြင်းဖြစ်သည်။ စာမေးပွဲပစ္စည်းများကို အများသူငှာမြင်သောအခါ၊ မော်ဒယ်တစ်ခုသည် စာမေးပွဲအောင်ရန် ထိရောက်စွာလေ့ကျင့်ပေးနိုင်သည်—စက်မှုလုပ်ငန်းတွင် ညစ်ညမ်းမှု၊ အံဝင်ခွင်ကျဖြစ်စေမှု သို့မဟုတ် လုံးလုံးလျားလျားလိမ်လည်လှည့်ဖြားမှုအဖြစ် အမျိုးမျိုးဖော်ပြသည့် အလေ့အကျင့်တစ်ခုဖြစ်သည်။

"ကျွန်ုပ်တို့သည် စျေးကွက်သို့ လျင်မြန်စွာ ရောက်ရှိလာပြီး အလွန်စွမ်းဆောင်နိုင်သော မော်ဒယ်လ်သစ်များကို တွေ့နေရပြီး ပညာရေးဆိုင်ရာ စံညွှန်းများသည် ထိုနယ်နိမိတ်ကို ရှေ့တိုးနောက်မဆုတ် ဖြစ်နေကြသည်" ဟု Krishnan က TechCrunch နှင့် အင်တာဗျူးတွင် ပြောကြားခဲ့သည်။

သီးသန့်စမ်းသပ်မှုများ၊ Real-World Tasks

Vals သည် မျက်နှာစာနှစ်ခုတွင် မတူညီသောချဉ်းကပ်မှုတစ်ခုကိုယူသည်။ ပထမဦးစွာ၊ ၎င်းသည် ၎င်း၏ တိကျသော စစ်ဆေးမှု ပစ္စည်းများအား လူသိရှင်ကြား ထုတ်ဖော်ပြောကြားခြင်း မရှိသည့်အတွက် ကုမ္ပဏီတစ်ခုသည် ၎င်း၏ စာမေးပွဲနှင့် ဆန့်ကျင်ဘက် မော်ဒယ်များကို လေ့ကျင့်ရန် ပိုမိုခက်ခဲစေသည်။ ဒုတိယ၊ စိတ္တဇအသိပညာကို တိုင်းတာမည့်အစား — မော်ဒယ်တစ်ဦးသည် ဘား-စာမေးပွဲပုံစံမေးခွန်းများကို ဖြေဆိုနိုင်သည်ဖြစ်စေ — Vals သည် ဥပဒေ၊ ဘဏ္ဍာရေးနှင့် ကုဒ်ရေးခြင်းကဲ့သို့သော သီးခြားစက်မှုလုပ်ငန်းများတွင် မော်ဒယ်များ မည်သို့ရှုပ်ထွေးသောအလုပ်များကို လုပ်ဆောင်သည်ကို အကဲဖြတ်သည်။

"ငါတို့လုပ်နေတာက မော်ဒယ်တွေရဲ့ တကယ့်အကျိုးသက်ရောက်မှုတွေကို တကယ်ကြည့်နေတာပဲ" ဟု Krishnan က ပြောသည်။ "ဒိုမိန်းတိုင်းအတွင်း လူသားတစ်ယောက်နဲ့ တူညီတဲ့ အရည်အသွေးရှိတဲ့ ထုတ်ကုန်တစ်ခုကို ထုတ်လုပ်ပေးနိုင်တဲ့ အလုပ်တွေကို သူတို့လုပ်နိုင်မလား။"

ကုမ္ပဏီသည် အောင်မြင်မှုများသာမက ရှုံးနိမ့်မှုပုံစံများကိုလည်း တိုင်းတာသည်။ Krishnan မှ Vals သည် "ဤမော်ဒယ်များသည် ကမ္ဘာပေါ်တွင် ရိုင်းစိုင်းပါက၊ အပျက်သဘောဆောင်သည့် သက်ရောက်မှုများ မည်သို့ဖြစ်မည်ကို" ခွဲခြမ်းစိတ်ဖြာရန် ရည်ရွယ်ထားကြောင်း - တွေးခေါ်မှုထက် ကျဆင်းနိုင်သောအန္တရာယ်ကို တိုင်းတာနိုင်သော ရလဒ်အဖြစ် ကုသပေးသည့် အကဲဖြတ်မှုအတွေးအခေါ်တစ်ခုဖြစ်သည်။

ဥပဒေနှင့်ဘဏ္ဍာရေးမှသည် Genevas သဘောတူညီချက်များအထိ နှင့် Recursive Self-Improvement

Vals ၏ အကဲဖြတ်မှုများ၏ နယ်ပယ်သည် ၎င်း၏ ပရော်ဖက်ရှင်နယ် ဝန်ဆောင်မှုများ၏ အရင်းမြစ်များထက် ကျော်လွန်၍ ဆက်လက် ချဲ့ထွင်နေပါသည်။ ဥပဒေ၊ ဘဏ္ဍာရေးနှင့် coding စံနှုန်းများနှင့်အတူ Krishnan က ကုမ္ပဏီသည် ယခုအခါ စိတ်ကျန်းမာရေး၊ ဆိုက်ဘာလုံခြုံရေးနှင့် ဇီဝလုံခြုံရေးဆိုင်ရာ စမ်းသပ်မှုများ လုပ်ဆောင်နေပြီး၊ စီးပွားဖြစ် အကဲဖြတ်သည့် ကဏ္ဍများတွင် AI-Safety စက်ဝိုင်းများတွင် ဆွေးနွေးလေ့ရှိသည့် ခေါင်းစဉ်တစ်ခုပင် ဖြစ်သည်။

Vals သည် ဂျနီဗာကွန်ဗင်းရှင်းကို မော်ဒယ်များ နားလည်သဘောပေါက်ပြီး ကျင့်သုံးပုံကို စမ်းသပ်နေသည့် လက်နက်ကိုင်ပဋိပက္ခဥပဒေတွင် အထူးခြားဆုံးအလုပ်ဖြစ်နိုင်သည်။ အကျယ်အဝန်းသည် ဝယ်လိုအားများလာနေသည့် အချက်ပြသည်- ဓာတ်ခွဲခန်းများသာမက ထိပ်တန်းခေါင်းဆောင်စာရင်းဝင်ဘုတ်များအထိပါ ယှဉ်ပြိုင်နေသော်လည်း ၎င်းတို့ကို အသုံးမပြုမီ အစုရှယ်ယာများသော ဒိုမိန်းများတွင် မော်ဒယ်များ မည်သို့ပြုမူကြောင်း အထောက်အထား လိုအပ်သည့် လုပ်ငန်းများနှင့် အဖွဲ့အစည်းများသည် ၎င်းတို့ကို အသုံးမပြုမီ အစုရှယ်ယာများသော ဒိုမိန်းများတွင် မည်ကဲ့သို့ ပြုမူကြောင်း အထောက်အထားများ လိုအပ်ပါသည်။

စီးပွားရေးပုံစံ- စာမေးပွဲဖြေဆိုရန် ငွေပေးချေပါ။

ကုမ္ပဏီများသည် ၎င်းတို့၏ မော်ဒယ်များကို အကဲဖြတ်ရန် Vals ကို ပေးချေသည် — ဆန့်ကျင်ဘက်ဟု ထင်မြင်နိုင်သော အစီအစဉ်တစ်ခု။ အရှက်ရစေမည့် ရလဒ်များအတွက် ကုမ္ပဏီတစ်ခုသည် အဘယ်ကြောင့် ပေးဆောင်ရမည်နည်း။ Krishnan သည် SAT ဖြေဆိုရန် ကောလိပ်ဘုတ်အဖွဲ့မှ ပေးဆောင်သည့် ကျောင်းသားတစ်ဦးနှင့် မော်ဒယ်ကို နှိုင်းယှဉ်သည်- လွတ်လပ်သော တိုင်းတာမှုတစ်ခုပင်၊ နှိမ့်ချမှုမရှိသော အတိုင်းအတာတစ်ခုသည် ကုမ္ပဏီပြဿနာများကို ဖြေရှင်းရန်နှင့် အချိန်နှင့်အမျှ တိုးတက်စေရန် ကူညီပေးသည်။

ဈေးကွက်က တုံ့ပြန်ပုံရတယ်။ Vals က ၎င်း၏ ၀င်ငွေသည် ယမန်နှစ်ကထက် လက်ရှိတွင် ရှစ်ဆဖြစ်ပြီး ၎င်း၏အဖွဲ့သည် ယခုနှစ်အစမှစတင်၍ သုံးဆတိုးလာကာ လူ 8 ဦးမှ 25 ဦးအထိ တိုးလာခဲ့သည်။ ကုမ္ပဏီသည် ဆန်ဖရန်စစ္စကိုမြို့ Folsom လမ်းရှိ နှစ်ထပ်ရုံးခန်းတစ်ခုမှ လည်ပတ်နေသည့်ယခင် ဘီယာချက်စက်ရုံဟောင်းဖြစ်ပြီး ယခုအခါ လုပ်ငန်းများစွာကို နေရာယူထားသည်။

အကဲဖြတ်မှုများသည် AI မော်ဒယ်များအတွက် ဈေးဝယ်သည့်လုပ်ငန်းများအတွက် ဆုံးဖြတ်ချက်ချသည့်အချက်များဖြစ်လာသည်ဟု ကုမ္ပဏီ၏အဆိုအရ၊ စံသတ်မှတ်ချက်များသည် စျေးကွက်ရှာဖွေခြင်းထက် လုံ့လစိုက်ထုတ်ခြင်းထက် စံနမူနာပြခြင်းဆိုင်ရာ အခန်းကဏ္ဍတစ်ခုဖြစ်လာသည်။

ရှေ့တန်းထိုင်ခုံပါသော အသက် 25 နှစ်အရွယ် တည်ထောင်သူ

Krishnan သည် အသက် 25 နှစ်အရွယ် Palantir တွင် အလုပ်သင်ပြီး Stanford တွင် ဘွဲ့ကြိုအဖြစ် Microsoft နှင့် တက္ကသိုလ်၏ နာမည်ကြီး ဉာဏ်ရည်တုဓာတ်ခွဲခန်းတွင် အလုပ်လုပ်ခဲ့သည်။ Vals သည် တိုင်းတာရန် လိုအပ်သော စက်မှုလုပ်ငန်း၏ နောက်ကွယ်မှ ကျဆင်းလာမှုကို ကြည့်ရှုအကဲဖြတ်ခြင်းမှ မွေးဖွားလာခဲ့ခြင်းဖြစ်သည် — မော်ဒယ်အသစ်များသည် ပညာရေးစံနှုန်းများကို ဒီဇိုင်းထုတ်နိုင်သည်၊ အတည်ပြုနိုင်ပြီး ထုတ်ဝေနိုင်သည်ထက် ပိုမိုမြန်ဆန်လာသည်နှင့်အမျှ မော်ဒယ်အသစ်များရောက်ရှိလာသည်နှင့်အမျှ ကွာဟချက်ပိုမိုကျယ်ပြန့်လာသည်ဟု ၎င်းက ဆိုသည်။

ယခု startup သည် AI အကဲဖြတ်ခြင်းကို ဖွဲ့စည်းရန် ကြိုးစားနေသည့် သေးငယ်သော်လည်း ကြီးထွားလာနေသော ကုမ္ပဏီအုပ်စုတစ်စု၊ ပညာရပ်ဆိုင်ရာ ကြိုးပမ်းမှုများ၊ ပွင့်လင်းမြင်သာသော ဦးဆောင်ဘုတ်အဖွဲ့ ပရောဂျက်များနှင့် ဘေးကင်းရေး အင်စတီကျုများပါ၀င်သည်။ Vals ၏ထူးခြားချက်မှာ ၎င်း၏သီးသန့်စမ်းသပ်မှုပုံစံဖြစ်ပြီး အများသူငှာအဆင့်သတ်မှတ်ချက်များထက် အခကြေးငွေပေးဆောင်ကာ လုပ်ငန်းဆိုင်ရာ သီးခြားအကဲဖြတ်ချက်များကို အာရုံစိုက်ခြင်းဖြစ်သည်။

##ဘာကြောင့်အရေးကြီးတာလဲ။

စံချိန်စံညွှန်းများနှင့် AI လုပ်ငန်း၏ ယုံကြည်စိတ်ချရမှုပြဿနာကို ကောင်းစွာမှတ်တမ်းတင်ထားသည်- ပေါက်ကြားသောစမ်းသပ်မှုအစုံများ၊ သံသယဖြစ်ဖွယ်ခေါင်းဆောင်ဘုတ်ခုန်မှုများနှင့် လက်တွေ့ကမ္ဘာစွမ်းဆောင်ရည်ထက် စျေးကွက်ရှာဖွေရေးတောင်းဆိုမှုများ။ ဝယ်သူများ—အထူးသဖြင့် လုပ်ငန်းများနှင့် အစိုးရများသည် Vals’ ကဲ့သို့သော ပုဂ္ဂလိက၊ အလုပ်အခြေပြု အကဲဖြတ်ချက်များကို စတင်မှီခိုပါက၊ မော်ဒယ် developer များအတွက် မက်လုံးများသည် သင်ကြားမှုမှ စစ်မှန်သောစွမ်းရည်ဆီသို့ စမ်းသပ်မှုဆီသို့ ပြောင်းလဲသွားနိုင်သည်။

အဲဒါက အခြေချဖို့ အလှမ်းဝေးတယ်။ ကိုယ်ပိုင်စံနှုန်းတစ်ခုသည် ဝယ်သူများကို ဒိုင်ကိုယုံကြည်ရန် တောင်းဆိုနေဆဲဖြစ်ပြီး Vals ၏ဖောက်သည်များသည် အဆင့်သတ်မှတ်ခံရသည့်ကုမ္ပဏီများနှင့်အတူတူပင်ဖြစ်ပါသည်။ သို့သော် $40 million Series A၊ ဝင်ငွေရှစ်ဆတိုးလာပြီး ဇီဝလုံခြုံရေးအထိ ဘဏ္ဍာငွေကို တောင်းဆိုမှုနှင့်အတူ၊ လောင်းကြေးမှာ လွတ်လပ်သောခံစားမှုဖြင့် အကဲဖြတ်ခြင်းသည် အခြေခံအဆောက်အအုံဖြစ်လာသည်—ရလဒ်များကို မြှောက်ပင့်ပေးသည်ဖြစ်စေ AI စီးပွားရေးမှ ပေးဆောင်ရမည့် ဝန်ဆောင်မှုတစ်ခုဖြစ်သည်။

AI ၏ရှေ့တွင်နေပါ။

တိုင်းတာခြင်းများကို မည်သူတိုင်းတာသနည်း။ AI အကဲဖြတ်ခြင်း၏ လုပ်ငန်းကို လိုက်နာပြီး AI Buzz Wire တွင် သင်၏ရင်းမြစ် AI Buzzwire.news တွင် ပြန်လည်ပုံဖော်ခြင်းလုပ်ငန်းကို လိုက်နာပါ။

နောက်ဆုံးထွက် AI သတင်းကိုဖတ်ပါ →