ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ ਨੇ ਆਰਚਰਡ ਨੂੰ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਆਟੋਨੋਮਸ ਏਆਈ ਏਜੰਟਾਂ ਦੇ ਨਿਰਮਾਣ, ਸਿਖਲਾਈ ਅਤੇ ਮੁਲਾਂਕਣ ਲਈ ਇੱਕ ਓਪਨ-ਸੋਰਸ ਫਰੇਮਵਰਕ ਜੋ ਕੰਪਨੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਮੁਕਾਬਲਤਨ ਛੋਟੇ ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਆਕਾਰ ਤੋਂ ਦਸ ਗੁਣਾ ਵੱਧ ਫਰੰਟੀਅਰ ਸਿਸਟਮਾਂ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦਿੰਦਾ ਹੈ। 3 ਅਗਸਤ, 2026 ਨੂੰ ਇੱਕ ਬਲਾਗ ਪੋਸਟ ਵਿੱਚ ਵਿਸਤ੍ਰਿਤ ਪ੍ਰੋਜੈਕਟ, ਵਿਆਪਕ ਖੋਜ ਭਾਈਚਾਰੇ ਨੂੰ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਦੇਣ ਲਈ ਅਜੇ ਤੱਕ ਕੰਪਨੀ ਦੀ ਸਭ ਤੋਂ ਅਭਿਲਾਸ਼ੀ ਬੋਲੀ ਹੈ, ਜੋ ਕਿ ਹੁਣ ਤੱਕ, ਜ਼ਿਆਦਾਤਰ ਮਲਕੀਅਤ ਲੈਬਾਂ ਵਿੱਚ ਬੰਦ ਹੈ।
ਰੀਲੀਜ਼ ਉਦੋਂ ਆਉਂਦੀ ਹੈ ਜਦੋਂ AI ਉਦਯੋਗ ਸਥਿਰ ਸਵਾਲ-ਜਵਾਬ ਤੋਂ ਉਹਨਾਂ ਏਜੰਟਾਂ ਵੱਲ ਬਦਲਦਾ ਹੈ ਜੋ ਬਹੁ-ਪੱਧਰੀ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਯੋਜਨਾ ਬਣਾ ਸਕਦੇ ਹਨ, ਤਰਕ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ। ਖੇਤਰ ਆਟੋਨੋਮਸ ਸਿਸਟਮਾਂ ਵੱਲ ਕਿਵੇਂ ਵਧ ਰਿਹਾ ਹੈ ਇਸ ਬਾਰੇ ਹੋਰ ਜਾਣਨ ਲਈ, ਸਾਡਾ ਨਵੀਨਤਮ AI ਉਦਯੋਗ ਕਵਰੇਜ ਦੇਖੋ।
ਆਰਚਰਡ ਅਸਲ ਵਿੱਚ ਕੀ ਹੈ
ਪ੍ਰੋਜੈਕਟ ਦੇ ਕੇਂਦਰ ਵਿੱਚ Orchard Env ਹੈ, ਇੱਕ ਹਲਕਾ, ਕੁਬਰਨੇਟਸ-ਆਧਾਰਿਤ ਵਾਤਾਵਰਣ ਸੇਵਾ ਜੋ ਕਿ ਪੈਮਾਨੇ 'ਤੇ ਏਜੰਟਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਮੁੜ ਵਰਤੋਂ ਯੋਗ, ਅਲੱਗ-ਥਲੱਗ ਹਿੱਸੇ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਮਾਈਕਰੋਸਾਫਟ ਦੇ ਅਨੁਸਾਰ, ਉਹੀ ਸੇਵਾ ਬਿਨਾਂ ਕਿਸੇ ਸੋਧ ਦੇ ਸੌਫਟਵੇਅਰ-ਇੰਜੀਨੀਅਰਿੰਗ ਏਜੰਟਾਂ, ਵੈਬ-ਬ੍ਰਾਊਜ਼ਿੰਗ ਏਜੰਟਾਂ ਅਤੇ ਨਿੱਜੀ-ਸਹਾਇਕ ਏਜੰਟਾਂ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਸਿਖਲਾਈ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਰੀਨਫੋਰਸਮੈਂਟ-ਲਰਨਿੰਗ ਰੋਲਆਊਟਸ ਅਤੇ ਮੁਲਾਂਕਣ ਤੱਕ ਸਭ ਕੁਝ ਸੰਭਾਲਦਾ ਹੈ।
ਮੁੱਖ ਆਰਕੀਟੈਕਚਰਲ ਫੈਸਲਾ ਇਹ ਹੈ ਕਿ ਰਨਟਾਈਮ ਵਾਤਾਵਰਣ ਨੂੰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਸਿਖਲਾਈ ਫਰੇਮਵਰਕ ਦੇ ਅੰਦਰ ਏਮਬੇਡ ਕੀਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਬਜਾਏ ਇੱਕ ਸਟੈਂਡਅਲੋਨ, ਮੁੜ ਵਰਤੋਂ ਯੋਗ ਸੇਵਾ ਵਜੋਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਕਿਉਂਕਿ Orchard Env ਕੁਬਰਨੇਟਸ 'ਤੇ ਬੈਠਦਾ ਹੈ, ਇਹ ਸਮਾਨਾਂਤਰ ਤੌਰ 'ਤੇ ਹਜ਼ਾਰਾਂ ਅਲੱਗ-ਥਲੱਗ ਕੰਟੇਨਰਾਂ ਨੂੰ ਬਣਾ ਸਕਦਾ ਹੈ, ਪ੍ਰਬੰਧਿਤ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਹਟਾ ਸਕਦਾ ਹੈ। ਟੀਮਾਂ ਨਵੇਂ ਮਾਪਦੰਡ, ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ, ਜਾਂ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਸਕ੍ਰੈਚ ਤੋਂ ਅੰਡਰਲਾਈੰਗ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਏ ਬਿਨਾਂ ਪੇਸ਼ ਕਰ ਸਕਦੀਆਂ ਹਨ।
ਅਸਲ ਹਾਰਨੇਸ ਦੇ ਅੰਦਰ ਸਿਖਲਾਈ
ਆਰਚਰਡ ਦੀਆਂ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਇਹ ਹੈ ਕਿ ਉਹ ਏਜੰਟਾਂ ਨੂੰ ਸਿੱਧੇ ਤੈਨਾਤੀ ਹਾਰਨੇਸ ਦੇ ਅੰਦਰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਯੋਗਤਾ ਹੈ ਜੋ ਉਹ ਅਸਲ ਵਿੱਚ ਉਤਪਾਦਨ ਵਿੱਚ ਵਰਤਣਗੇ। ਅੱਜ ਦੇ ਸਭ ਤੋਂ ਕਾਬਲ ਏਜੰਟ ਘੱਟ ਹੀ ਇੱਕ ਨੰਗੇ ਮਾਡਲ ਦੇ ਰੂਪ ਵਿੱਚ ਚਲਦੇ ਹਨ. ਉਹ ਕੋਡੈਕਸ, ਓਪਨਕਲਾ, ਅਤੇ ਜ਼ੀਰੋਕਲਾ ਵਰਗੇ ਸੂਝਵਾਨ ਹਾਰਨੇਸ ਦੁਆਰਾ ਕੰਮ ਕਰਦੇ ਹਨ ਜੋ ਬਹੁ-ਵਾਰੀ ਤਰਕ, ਟੂਲ ਵਰਤੋਂ, ਅਤੇ ਬਾਹਰੀ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਕਨੈਕਸ਼ਨਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹਨ।
ਓਪਨ ਟਰੇਨਿੰਗ ਟੂਲ ਆਮ ਤੌਰ 'ਤੇ ਇਹਨਾਂ ਸਟੇਟਫੁੱਲ, ਮਲਟੀ-ਪ੍ਰੋਸੈਸ ਹਾਰਨੇਸ ਨੂੰ ਨਹੀਂ ਸੰਭਾਲ ਸਕਦੇ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇੱਕ ਸਰਲ ਸਟੈਂਡ-ਇਨ 'ਤੇ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਫਿਰ ਅਸਲ ਸੈਟਿੰਗ ਵਿੱਚ ਤੈਨਾਤ ਕਰਨ ਲਈ ਮਜ਼ਬੂਰ ਕਰਦੇ ਹਨ, ਜੋ ਸਿਖਲਾਈ ਅਤੇ ਤੈਨਾਤੀ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ ਹੈ। ਔਰਚਰਡ ਇਸ ਅੰਤਰ ਨੂੰ ਬੰਦ ਕਰਦਾ ਹੈ: ਇੱਕ ਹਲਕੀ ਪ੍ਰੌਕਸੀ ਹਾਰਨੈਸ ਦੇ ਆਪਣੇ ਮਾਡਲ ਕਾਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਡੇਟਾ ਵਜੋਂ ਰਿਕਾਰਡ ਕਰਦੀ ਹੈ ਜਦੋਂ ਕਿ ਹਰੇਕ ਰੋਲਆਉਟ ਇਸਦੇ ਆਪਣੇ ਕੰਟੇਨਰ ਵਿੱਚ ਚਲਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇੱਕ ਏਜੰਟ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਹਾਰਨੈਸ ਵਿੱਚ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜੋ ਉਹ ਉਤਪਾਦਨ ਵਿੱਚ ਵਰਤੇਗਾ।
ਤਿੰਨ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਪਕਵਾਨਾਂ
ਪਹੁੰਚ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਨੇ ਤਿੰਨ ਸਿਖਲਾਈ ਵਰਕਫਲੋ ਜਾਰੀ ਕੀਤੇ।
Orchard-SWE: ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ
Orchard-SWE ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟਾਂ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਮੰਗ ਕਰਨ ਵਾਲੀਆਂ ਸੈਟਿੰਗਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ: ਅਸਲ ਕੋਡਬੇਸ ਉੱਤੇ ਬਹੁ-ਪੜਾਵੀ ਤਰਕ। ਇਹ ਮਿੰਨੀ-SWE-ਏਜੰਟ ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਇਆ ਗਿਆ ਸੀ ਅਤੇ SWE-ਬੈਂਚ ਵੈਰੀਫਾਈਡ 'ਤੇ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਸੀ, ਇੱਕ ਬੈਂਚਮਾਰਕ ਜੋ ਇੱਕ ਮਾਡਲ ਦੀ ਅਸਲ-ਸੰਸਾਰ ਕੋਡਬੇਸ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ, ਨਿਦਾਨ ਕਰਨ ਅਤੇ ਮੁਰੰਮਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ।
ਸਿਸਟਮ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ, ਮਾਈਕਰੋਸਾਫਟ ਨੇ ਦੋ ਉੱਨਤ ਓਪਨ-ਵੇਟ ਮਾਡਲਾਂ, MiniMax-M2.5 ਅਤੇ Qwen3.5-397B ਤੋਂ 107,000 ਏਜੰਟ ਇੰਟਰੈਕਸ਼ਨਾਂ ਨੂੰ ਡਿਸਟਿਲ ਕੀਤਾ, GitHub ਮੁੱਦਿਆਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹੋਏ। ਕ੍ਰੈਡਿਟ-ਅਸਾਈਨਮੈਂਟ ਸੁਪਰਵਾਈਜ਼ਡ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਨਾਮਕ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਿਸਟਮ ਉਹਨਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਰੱਦ ਕਰਨ ਦੀ ਬਜਾਏ ਅੰਸ਼ਕ ਕੋਸ਼ਿਸ਼ਾਂ ਦੇ ਉਤਪਾਦਕ ਹਿੱਸਿਆਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ।
ਨਤੀਜੇ ਮਾਡਲ ਨੂੰ SWE-ਬੈਂਚ ਵੈਰੀਫਾਈਡ 'ਤੇ 61.4% ਬੇਸਲਾਈਨ ਤੋਂ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਦੇ ਨਾਲ 69.1%, ਅਤੇ ਸੰਘਣੀ-ਇਨਾਮ ਤਕਨੀਕਾਂ ਨਾਲ 69.7% ਤੱਕ ਲੈ ਜਾਂਦੇ ਹਨ। ਮੁੱਲ-ਮਾਡਲ ਦੀ ਪੁਨਰ-ਰੈਂਕਿੰਗ ਦੇ ਨਾਲ, ਅੰਕੜਾ 73.0% ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ — ਤੁਲਨਾਤਮਕ ਆਕਾਰ ਦੇ ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਵਿੱਚ ਕਲਾ ਦੀ ਇੱਕ ਨਵੀਂ ਸਥਿਤੀ, ਸਿਰਫ ਲਗਭਗ 3 ਬਿਲੀਅਨ ਕਿਰਿਆਸ਼ੀਲ ਮਾਪਦੰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ।
Orchard-GUI: ਵੈੱਬ ਨੈਵੀਗੇਸ਼ਨ
Orchard-GUI ਬ੍ਰਾਊਜ਼ਰ ਏਜੰਟ ਵਜੋਂ 4-ਬਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਵਿਜ਼ਨ-ਲੈਂਗਵੇਜ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦਾ ਹੈ। ਮੁਕਾਬਲਤਨ ਘੱਟ ਮਾਤਰਾ ਵਿੱਚ ਨਿਗਰਾਨੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਬਾਵਜੂਦ — 2,200 ਓਪਨ-ਐਂਡ ਸਿਖਲਾਈ ਕਾਰਜਾਂ ਦੇ ਨਾਲ 400 ਡਿਸਟਿਲਡ ਪ੍ਰਦਰਸ਼ਨ — ਮਾਡਲ ਨੇ ਔਸਤਨ 68.4% ਲਈ, WebVoyager 'ਤੇ 74.1%, ਔਨਲਾਈਨ-Mind2Web 'ਤੇ 67.0%, ਅਤੇ DeepShop 'ਤੇ 64.0% ਪ੍ਰਾਪਤ ਕੀਤਾ। ਮਾਈਕ੍ਰੋਸਾੱਫਟ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਨਤੀਜੇ ਇਸ ਨੂੰ ਅੱਜ ਤੱਕ ਦੇ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਓਪਨ-ਸੋਰਸ ਵੈੱਬ ਏਜੰਟਾਂ ਵਿੱਚ ਰੱਖਦੇ ਹਨ।
Orchard-Claw: ਨਿੱਜੀ ਸਹਾਇਕ ਕੰਮ
Orchard-Claw ਰੋਜ਼ਾਨਾ ਉਤਪਾਦਕਤਾ ਦੇ ਕੰਮਾਂ ਜਿਵੇਂ ਕਿ ਈਮੇਲਾਂ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਡਰਾਫਟ ਕਰਨਾ, ਕੈਲੰਡਰਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ, ਅਤੇ ਜਾਣਕਾਰੀ ਦੀ ਖੋਜ ਕਰਨਾ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ। ਸਿਰਫ਼ 200 ਸਿੰਥੈਟਿਕ ਕੰਮਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਅਤੇ ਕਲੋ-ਈਵਲ ਬੈਂਚਮਾਰਕ 'ਤੇ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ, ਇਸ ਨੇ ਤਿੰਨ ਕੋਸ਼ਿਸ਼ਾਂ ਤੱਕ ਦਿੱਤੇ 59.6% ਕਾਰਜ ਪੂਰੇ ਕੀਤੇ, ਜਦੋਂ ਮਜ਼ਬੂਤ ZeroClaw ਏਜੰਟ ਸਿਸਟਮ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਤਾਂ ਇਹ 73.9% ਹੋ ਗਿਆ।
ਛੋਟੇ-ਮਾਡਲ ਦੇ ਨਤੀਜੇ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦੇ ਹਨ
ਬੈਂਚਮਾਰਕ ਨੰਬਰ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹਨ ਕਿਉਂਕਿ ਉਹ ਲਗਭਗ 3 ਤੋਂ 4 ਬਿਲੀਅਨ ਐਕਟਿਵ ਪੈਰਾਮੀਟਰਾਂ ਵਾਲੇ ਮਾਡਲਾਂ ਤੋਂ ਆਉਂਦੇ ਹਨ - ਓਪਨਏਆਈ, ਐਂਥਰੋਪਿਕ, ਅਤੇ ਗੂਗਲ ਦੇ ਫਰੰਟੀਅਰ ਸਿਸਟਮਾਂ ਨਾਲੋਂ ਬਹੁਤ ਛੋਟੇ ਜੋ ਲੀਡਰਬੋਰਡਾਂ 'ਤੇ ਹਾਵੀ ਹਨ। ਮਾਈਕਰੋਸਾਫਟ ਦੀ ਦਲੀਲ ਇਹ ਹੈ ਕਿ ਸਹੀ ਸਿਖਲਾਈ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਅਤੇ ਵਾਤਾਵਰਣ ਬਹੁਤ ਸਾਰੇ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰ ਸਕਦਾ ਹੈ, ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਸੰਸਥਾਵਾਂ ਲਈ ਸਮਰੱਥ ਏਜੰਟ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਪਹੁੰਚਯੋਗ ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਡੇ ਮਲਕੀਅਤ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਜਾਂ ਚਲਾਉਣ ਦੇ ਸਮਰੱਥ ਨਹੀਂ ਹਨ।
ਮਾਡਲਾਂ ਅਤੇ ਵਰਕਫਲੋਜ਼ ਦੇ ਨਾਲ-ਨਾਲ, ਮਾਈਕ੍ਰੋਸਾਫਟ ਨੇ ਉਹਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਵਰਤੇ ਗਏ ਸਿਖਲਾਈ ਡੇਟਾ ਅਤੇ ਮੁਲਾਂਕਣ ਵਿਧੀਆਂ ਨੂੰ ਜਾਰੀ ਕੀਤਾ, ਵਿਆਪਕ ਖੋਜ ਕਮਿਊਨਿਟੀ ਨੂੰ ਓਪਨ ਏਜੰਟਿਕ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਅਧਿਐਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਦੇ ਟੀਚੇ ਦੇ ਨਾਲ। ਕੰਮ ਦੀ ਅਗਵਾਈ ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ ਦੇ ਬਾਓਲਿਨ ਪੇਂਗ, ਵੇਨਲਿਨ ਯਾਓ, ਕਿਆਨਹੁਈ ਵੂ, ਹਾਓ ਚੇਂਗ ਅਤੇ ਜਿਆਨਫੇਂਗ ਗਾਓ ਨੇ ਕੀਤੀ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਮਾਈਕ੍ਰੋਸਾੱਫਟ ਦੀ ਆਰਚਰਡ ਰੀਲੀਜ਼ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਕਿ ਫਰੰਟੀਅਰ ਏਜੰਟ ਏਆਈ ਦੇ ਪਿੱਛੇ ਦਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਲੋਕਤੰਤਰੀਕਰਨ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਿਹਾ ਹੈ। ਹੋਰ ਪੜ੍ਹੋ ਬ੍ਰੇਕਿੰਗ AI ਖਬਰਾਂ ਅਤੇ ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
