Perplexity ਨੇ Decider v1.3 'ਤੇ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਪੋਸਟ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਹੈ, ਜੋ ਇਸਦੇ ਫੈਸਲੇ ਮਾਡਲ ਪਰਿਵਾਰ ਦਾ ਸਭ ਤੋਂ ਨਵਾਂ ਸੰਸਕਰਣ ਹੈ, ਜਿਸਦਾ ਸਿਰਲੇਖ ਹੈ "Perplexity Decider v1.3: Training, eval, and use case." ਪੋਸਟ ਨੇ ਸ਼ੁੱਕਰਵਾਰ ਨੂੰ ਹੈਕਰ ਨਿਊਜ਼ ਦੇ ਪਹਿਲੇ ਪੰਨੇ 'ਤੇ ਹਿੱਟ ਕੀਤਾ ਅਤੇ ਕੁਝ ਘੰਟਿਆਂ ਦੇ ਅੰਦਰ 140 ਤੋਂ ਵੱਧ ਅੰਕ ਪ੍ਰਾਪਤ ਕੀਤੇ, ਡਿਵੈਲਪਰਾਂ ਨੇ ਬੈਂਚਮਾਰਕ ਨਤੀਜਿਆਂ ਦਾ ਵਪਾਰ ਕੀਤਾ ਅਤੇ ਇਹ ਬਹਿਸ ਕੀਤੀ ਕਿ ਇਹ ਮਾਡਲ ਅਸਲ ਵਿੱਚ ਕਿੱਥੇ ਫਿੱਟ ਹਨ. ਇਸ ਬਾਰੇ ਅਤੇ ਹੋਰ ਬ੍ਰੇਕਿੰਗ ਏਆਈ ਨਿਊਜ਼* ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਅਸੀਂ ਹਰ ਮਾਡਲ ਰਿਲੀਜ਼ ਹੋਣ 'ਤੇ ਇਸ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਾਂ।

ਧਿਆਨ ਇੱਕ ਅੱਪਡੇਟ ਬਾਰੇ ਘੱਟ ਹੈ ਅਤੇ ਥ੍ਰੈਡ ਕੀ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ ਇਸ ਬਾਰੇ ਜ਼ਿਆਦਾ ਹੈ: ਸਿਰਫ਼ ਇੱਕ ਸਾਲ ਵਿੱਚ, ਫੈਸਲੇ ਦੇ ਮਾਡਲ ਇੱਕ ਉਤਸੁਕਤਾ ਤੋਂ ਇੱਕ ਭੀੜ-ਭੜੱਕੇ ਵਾਲੀ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਆਪਣੇ ਖੁਦ ਦੇ ਬੈਂਚਮਾਰਕਾਂ, ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਮੁੱਲ ਦੇ ਤਰਕ ਅਤੇ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਖੇਤਰ ਵਿੱਚ ਚਲੇ ਗਏ ਹਨ ਜਿਸ ਵਿੱਚ ਹੁਣ Perplexity, TypeSafe, Microsoft, Google, Cloudflare ਅਤੇ OpenAI ਸ਼ਾਮਲ ਹਨ।

ਇੱਕ ਫੈਸਲਾ ਮਾਡਲ ਅਸਲ ਵਿੱਚ ਕੀ ਕਰਦਾ ਹੈ

ਸਭ ਤੋਂ ਸਪਸ਼ਟ ਪਰਿਭਾਸ਼ਾ ਨਕਲੀ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਮਿਲਦੀ ਹੈ, ਸੁਤੰਤਰ ਮੁਲਾਂਕਣ ਲੈਬ ਜਿਸਦਾ ਫੈਸਲਾ ਸੂਚਕਾਂਕ v2.1 ਸ਼੍ਰੇਣੀ ਲਈ ਸੰਦਰਭ ਲੀਡਰਬੋਰਡ ਬਣ ਗਿਆ ਹੈ। ਇਸਦੇ ਵਿਆਖਿਆਕਾਰ ਵਿੱਚ, ਇੱਕ ਨਿਰਣਾਇਕ ਮਾਡਲ ਵਿਕਲਪਾਂ ਦੇ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਮੂਹ ਦੇ ਨਾਲ ਇੱਕ ਸਵਾਲ ਲੈਂਦਾ ਹੈ — ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਸਹਾਇਤਾ ਟਿਕਟ ਪੁੱਛਦੀ ਹੈ ਕਿ ਕੀ ਬਿਲਿੰਗ ਜਾਂ ਤਕਨੀਕੀ ਲਈ ਰੂਟ ਕਰਨਾ ਹੈ, ਕੀ ਇਹ ਜ਼ਰੂਰੀ ਹੈ, ਅਤੇ ਗਾਹਕ ਕਿੰਨਾ ਪਰੇਸ਼ਾਨ ਹੈ — ਅਤੇ ਇੱਕ ਸੰਭਾਵੀ ਨਾਲ ਜੁੜੇ ਹਰੇਕ ਵਿਕਲਪ ਲਈ ਇੱਕ ਜਵਾਬ ਵਾਪਸ ਕਰਦਾ ਹੈ, ਸਭ ਇੱਕ ਕਾਲ ਵਿੱਚ।

ਇੱਕ ਆਮ-ਉਦੇਸ਼ ਵਾਲਾ ਭਾਸ਼ਾ ਮਾਡਲ, ਇਸਦੇ ਉਲਟ, ਇੱਕ ਢਾਂਚਾਗਤ ਆਉਟਪੁੱਟ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਫਿਰ ਪਾਰਸ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਤਰਕ ਮਾਡਲ ਜਵਾਬ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਵਾਧੂ ਗਣਨਾ ਸੋਚ ਖਰਚ ਕਰਦਾ ਹੈ। ਫੈਸਲਾ ਮਾਡਲ ਇਸ ਨੂੰ ਛੱਡ ਦਿੰਦੇ ਹਨ। ਉਹਨਾਂ ਨੂੰ ਚੁਣਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਨਾ ਕਿ ਵਿਆਖਿਆ ਕਰਨ ਲਈ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਹਰ ਦਸਤਾਵੇਜ਼, ਹਰ ਬੇਨਤੀ 'ਤੇ, ਉੱਚ ਮਾਤਰਾ 'ਤੇ ਚਲਾਉਣ ਲਈ ਤੇਜ਼ ਅਤੇ ਸਸਤਾ ਬਣਾਉਂਦਾ ਹੈ।

ਸ਼੍ਰੇਣੀ ਨੂੰ ਕਿਵੇਂ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ

ਨਕਲੀ ਵਿਸ਼ਲੇਸ਼ਣ ਫੈਸਲਾ ਸੂਚਕਾਂਕ v2.1, ਇੱਕ ਜਨਤਕ ਕਾਰਜਪ੍ਰਣਾਲੀ ਪੰਨੇ ਦੇ ਨਾਲ ਅੱਪਡੇਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਪ੍ਰਕਾਸ਼ਿਤ ਵਜ਼ਨਾਂ ਦੇ ਨਾਲ ਛੇ ਮੁਲਾਂਕਣਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ: 30 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ AA-ਪੇਪਰਕਲਿਪ, ਜੋ ਕਿ 1,500 ਰੈਜ਼ਿਊਮੇ, ਰਸੀਦਾਂ, ਚਲਾਨ ਅਤੇ ਖੋਜ ਪੱਤਰਾਂ ਨੂੰ ਫੈਸਲਿਆਂ ਅਤੇ ਤੱਥਾਂ ਨੂੰ ਕੱਢਣ ਦੁਆਰਾ ਚਲਾਉਂਦਾ ਹੈ; EvalSafe-ONET-AA 15 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ, TypeSafe ਦੇ ONET ਬੈਂਚਮਾਰਕ ਦੇ ਆਧਾਰ 'ਤੇ ਕੰਮ ਵਾਲੀ ਥਾਂ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਬਾਰੇ ਨਿਰਣੇ; When2Call at 10 ਪ੍ਰਤੀਸ਼ਤ, NVIDIA ਦਾ ਟੂਲ-ਕਾਲਿੰਗ ਮੁਲਾਂਕਣ; AA-ਸਰਵ-ਵਿਗਿਆਨ-ਫੈਸਲਾ v1.1 ਗਿਆਨ ਅਤੇ ਭਰਮ ਲਈ 15 ਪ੍ਰਤੀਸ਼ਤ; HLE-MultiChoice v1.1 15 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ, ਹਿਊਮੈਨਿਟੀਜ਼ ਲਾਸਟ ਇਮਤਿਹਾਨ ਤੋਂ ਅਸਵੀਕਾਰ ਕਰਨ ਦੇ ਵਿਕਲਪ ਦੇ ਨਾਲ ਟੈਕਸਟ-ਓਨਲੀ ਬਹੁ-ਚੋਣ ਵਾਲੇ ਸਵਾਲ; ਅਤੇ AA-ਸਮਰੂਪਤਾ v1.1 15 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ, ਜੋ ਜਾਂਚ ਕਰਦਾ ਹੈ ਕਿ ਕੋਈ ਫੈਸਲਾ ਉਦੋਂ ਰੱਖਦਾ ਹੈ ਜਦੋਂ ਇਸਦੇ ਵਿਕਲਪਾਂ ਨੂੰ ਮੂਵ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਦੁਬਾਰਾ ਲਿਖਿਆ ਜਾਂ ਨਕਾਰਿਆ ਜਾਂਦਾ ਹੈ।

ਇਹ ਆਖਰੀ ਟੈਸਟ ਦੱਸਣਾ ਹੈ. ਇੱਕ ਮਾਡਲ ਜੋ ਇਸਦੇ ਜਵਾਬ ਨੂੰ ਫਲਿਪ ਕਰਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਵਿਕਲਪਾਂ ਦੇ ਕ੍ਰਮ ਨੂੰ ਉਲਟਾਉਂਦੇ ਹੋ ਅਸਲ ਵਿੱਚ ਫੈਸਲਾ ਨਹੀਂ ਕਰ ਰਿਹਾ ਹੈ - ਇਹ ਪੈਟਰਨ-ਮੈਚਿੰਗ ਹੈ। ਕੈਲੀਬ੍ਰੇਸ਼ਨ, ਇਨਵੇਰੀਅੰਸ ਅਤੇ ਇਹ ਜਾਣਨਾ ਕਿ ਕਦੋਂ ਅਸਵੀਕਾਰ ਕਰਨਾ ਹੈ, ਨੂੰ ਪਹਿਲੀ ਸ਼੍ਰੇਣੀ ਦੀਆਂ ਲੋੜਾਂ ਵਜੋਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਬੋਨਸ।

ਹੈਕਰ ਨਿਊਜ਼ ਥ੍ਰੈਡ ਕੀ ਜੋੜਦਾ ਹੈ

ਪਰੇਸ਼ਾਨੀ ਨੇ ਪਹਿਲਾਂ ਅਕਤੂਬਰ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਹੱਗਿੰਗ ਫੇਸ ਉੱਤੇ ਪਰਿਵਾਰ ਦੇ ਇੱਕ 27-ਬਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਮੈਂਬਰ, pplx-decider-v1-27b ਨੂੰ ਓਪਨ-ਵੇਟ ਕੀਤਾ, ਇਸਲਈ ਕਮਿਊਨਿਟੀ ਨੇ ਹਫ਼ਤਿਆਂ ਤੋਂ ਇਹਨਾਂ ਮਾਡਲਾਂ 'ਤੇ ਹੱਥ ਰੱਖਿਆ ਹੈ। v1.3 ਦੀ ਪ੍ਰਤੀਕ੍ਰਿਆ ਨੂੰ ਇੱਕ ਤਰੀਕੇ ਨਾਲ ਮਿਲਾਇਆ ਗਿਆ ਸੀ ਜੋ ਇੱਕ ਹਾਈਪ ਚੱਕਰ ਦੀ ਬਜਾਏ ਇੱਕ ਸਿਹਤਮੰਦ ਮਾਰਕੀਟ ਵਾਂਗ ਪੜ੍ਹਦਾ ਹੈ.

ਇੱਕ ਡਿਵੈਲਪਰ ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਕਿ ਡੀਸੀਡਰ v1.3 ਨੇ ਇੱਕ ਹਸਤੀ ਕੱਢਣ ਅਤੇ ਮੈਚਿੰਗ ਕਾਰਜ ਲਈ ਆਪਣੇ ਅੰਦਰੂਨੀ ਮੁੱਲਾਂ 'ਤੇ v1.2 ਅਤੇ TypeSafe's Jev 1.14 ਦੋਵਾਂ ਨਾਲੋਂ ਲਾਭ ਦਿਖਾਇਆ ਹੈ। ਇਕ ਹੋਰ ਨੇ ਕਿਹਾ ਕਿ ਇਹ ਉਹਨਾਂ ਦੇ ਸਥਾਨਕ ਬੈਂਚਮਾਰਕ 'ਤੇ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਕੀਮਤ ਪ੍ਰਤੀਯੋਗੀ ਹੈ, ਇਹ ਨੋਟ ਕਰਦੇ ਹੋਏ ਕਿ ਇੱਕ ਦੁਵੱਲੀ-ਧਿਆਨ ਦੇਣ ਵਾਲਾ ਆਰਕੀਟੈਕਚਰ ਫੈਸਲੇ ਦੇ ਕੰਮ ਦੇ ਅਨੁਕੂਲ ਹੋ ਸਕਦਾ ਹੈ। ਦੂਜਿਆਂ ਨੇ ਪਿੱਛੇ ਧੱਕ ਦਿੱਤਾ: ਇੱਕ ਟਿੱਪਣੀਕਾਰ ਨੇ ਆਪਣੇ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਲਈ v1.3 ਇੱਕ ਕਦਮ ਪਿੱਛੇ ਪਾਇਆ ਅਤੇ ਕਿਹਾ ਕਿ ਜਨਤਕ ਸੂਚਕਾਂਕ ਸਹਿਮਤ ਹੈ, ਅਤੇ ਦੂਜੇ ਨੇ ਸਵਾਲ ਕੀਤਾ ਕਿ ਕੀ ਫਲੈਸ਼ ਵੇਰੀਐਂਟ ਸਸਤੇ, ਸਹੀ ਬਲਕ ਫੈਸਲਿਆਂ ਦੇ ਸ਼੍ਰੇਣੀ ਦੇ ਮੁੱਖ ਵਾਅਦੇ ਨੂੰ ਪਤਲਾ ਕਰਦੇ ਹਨ।

ਥਰਿੱਡ ਨੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਵਾਤਾਵਰਣ ਪ੍ਰਣਾਲੀ ਨੂੰ ਵੀ ਸਾਹਮਣੇ ਲਿਆ - ਕਲਾਉਡਫਲੇਅਰ ਦੇ ਕਲੇਫ ਫੈਸਲੇ ਮਾਡਲ ਅਤੇ ਕਲੈਰਿਕ ਐਕਸਟਰੈਕਸ਼ਨ ਮਾਡਲ, ਸਕੇਲਡਾਉਨ API, ਲਿਕਵਿਡਜ਼ ਡੀ1 ਅਤੇ ਓਪਨਏਆਈ ਦਾ ਆਪਣਾ ਫੈਸਲਾ ਮਾਡਲ - ਕਈ ਡਿਵੈਲਪਰਾਂ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਨਕਲੀ ਵਿਸ਼ਲੇਸ਼ਣ ਸੂਚਕਾਂਕ, ਜਿਸ ਵਿੱਚ ਪ੍ਰਤੀ ਕੰਮ ਦੀ ਲਾਗਤ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸ਼ਾਮਲ ਹੈ, ਉਹ ਸਿਰਫ਼ ਸਟੀਕਤਾ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹਨ।

ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ

ਅਸੀਂ ਇਸ ਸ਼੍ਰੇਣੀ ਦੇ ਵਾਧੇ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਕਵਰ ਕੀਤਾ ਹੈ: TypeSafe ਦਾ Jev ਸਿਸਟਮ-ਵਨ ਮਾਡਲ, Microsoft ਦਾ Decision-1 Qwen 'ਤੇ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਅਤੇ Google ਦਾ Decision API ਨੂੰ ਇਸਦੇ Gemini Decision-1 ਮਾਡਲ ਨਾਲ। ਪਰਪਲੈਕਸਿਟੀ ਸ਼ਿਪਿੰਗ v1.3 ਪੈਟਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ — ਹਰ ਪ੍ਰਮੁੱਖ AI ਪਲੇਟਫਾਰਮ ਹੁਣ ਉਸ ਪਰਤ ਦਾ ਮਾਲਕ ਹੋਣਾ ਚਾਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਢਾਂਚਾਗਤ ਚੋਣਾਂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਉਹ ਪਰਤ ਹਰ ਚੀਜ਼ ਦੇ ਸਾਹਮਣੇ ਬੈਠਦੀ ਹੈ: ਸਹਾਇਤਾ ਟ੍ਰਾਈਜ, ਦਸਤਾਵੇਜ਼ ਪ੍ਰੋਸੈਸਿੰਗ, ਟੂਲ ਕਾਲਿੰਗ, ਸੰਚਾਲਨ, ਪਾਲਣਾ ਜਾਂਚ।

ਅਰਥ ਸ਼ਾਸਤਰ ਬਿੰਦੂ ਹਨ. ਇੱਕ ਤਰਕ ਮਾਡਲ ਸਟੀਕਤਾ 'ਤੇ ਇੱਕ ਫੈਸਲੇ ਦੇ ਮਾਡਲ ਦਾ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ, ਪਰ ਉੱਚ ਮਾਤਰਾ ਵਿੱਚ ਇਸਦੀ ਲੇਟੈਂਸੀ ਅਤੇ ਲਾਗਤ ਇਸ ਨੂੰ ਲੱਖਾਂ ਰੋਜ਼ਾਨਾ ਵਰਗੀਕਰਨ ਲਈ ਗਲਤ ਸਾਧਨ ਬਣਾਉਂਦੀ ਹੈ। ਨਿਰਣਾਇਕ ਮਾਡਲ ਕੈਲੀਬਰੇਟਿਡ, ਇਨਵੈਰੀਐਂਟ, ਸਿੰਗਲ-ਕਾਲ ਜਵਾਬਾਂ ਲਈ ਆਮ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਦਾ ਵਪਾਰ ਕਰਦੇ ਹਨ, ਅਤੇ ਜਿਵੇਂ ਕਿ ਹੈਕਰ ਨਿਊਜ਼ ਬਹਿਸ ਦਰਸਾਉਂਦੀ ਹੈ, ਖਰੀਦਦਾਰ ਹੁਣ ਅਸਲ ਬੈਂਚਮਾਰਕ ਅਤੇ ਅਸਲ ਵਰਕਲੋਡ ਦੇ ਨਾਲ ਵਪਾਰ ਨੂੰ ਗ੍ਰੇਡ ਕਰ ਰਹੇ ਹਨ।

ਡੀਸਾਈਡਰ v1.3 ਉਹਨਾਂ ਸਕੋਰਕਾਰਡਾਂ 'ਤੇ ਜੀਵੇਗਾ ਜਾਂ ਮਰੇਗਾ। ਪਰ ਸ਼੍ਰੇਣੀ ਆਪਣੇ ਆਪ ਵਿਚ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਆ ਗਈ ਹੈ.

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

ਨਵੀਨਤਮ AI ਖਬਰਾਂ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਫਲਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰੋ - ਸਭ ਇੱਕ ਥਾਂ 'ਤੇ।

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →