ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ AI ਲੈਬ ਪ੍ਰਾਈਮ ਇੰਟਲੈੱਕਟ ਨੇ ਇੱਕ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਪ੍ਰਯੋਗ ਦੇ ਨਤੀਜੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਹਨ ਜੋ ਟੈਸਟ ਕਰਦੇ ਹਨ ਕਿ ਅੱਜ ਦੇ ਫਰੰਟੀਅਰ AI ਮਾਡਲ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਆਟੋਨੋਮਸ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਖੋਜ ਕਰ ਸਕਦੇ ਹਨ - ਅਤੇ ਉਹਨਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਵਧੀਆ ਇੱਕ ਮਸ਼ਹੂਰ ਕਮਿਊਨਿਟੀ ਬੈਂਚਮਾਰਕ 'ਤੇ ਮਨੁੱਖੀ ਵਿਸ਼ਵ ਰਿਕਾਰਡ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।
ਪ੍ਰੋਜੈਕਟ, ਜਿਸ ਨੂੰ ਨੈਨੋਜੀਪੀਟੀ ਸਪੀਡਰਨ ਫਰੰਟੀਅਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ 22 ਅਗਸਤ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਨੈਨੋਜੀਪੀਟੀ ਓਪਟੀਮਾਈਜ਼ਰ ਸਪੀਡਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋਏ 18 ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਵਿੱਚ 153 ਆਟੋਨੋਮਸ ਦੌੜਾਂ ਸ਼ਾਮਲ ਹਨ - ਇੱਕ ਮੁਕਾਬਲਾ ਜਿਸ ਵਿੱਚ ਖੋਜਕਰਤਾ ਇੱਕ ਨਿਸ਼ਚਿਤ ਗੁਣਵੱਤਾ ਟੀਚੇ ਲਈ ਇੱਕ ਛੋਟੀ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਤਰੀਕੇ ਦੀ ਖੋਜ ਕਰਦੇ ਹਨ। ਕਹਾਣੀ ਤੇਜ਼ੀ ਨਾਲ ਹੈਕਰ ਨਿਊਜ਼ ਦੇ ਪਹਿਲੇ ਪੰਨੇ 'ਤੇ ਚੜ੍ਹ ਗਈ, ਜਿੱਥੇ ਇਸ ਨੇ ਬਹਿਸ ਕਰਦਿਆਂ ਦਰਜਨਾਂ ਟਿੱਪਣੀਆਂ ਖਿੱਚੀਆਂ ਕਿ ਨਤੀਜੇ ਅਸਲ ਵਿਗਿਆਨਕ ਖੋਜ ਲਈ AI ਦੀ ਸਮਰੱਥਾ ਬਾਰੇ ਕੀ ਕਹਿੰਦੇ ਹਨ। For more context on this story, see our ongoing more AI stories.
NanoGPT ਸਪੀਡਰਨ ਅਸਲ ਵਿੱਚ ਕੀ ਹੈ
ਬੈਂਚਮਾਰਕ ਕੇਲਰ ਜੌਰਡਨ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਮਾਡਡ-ਨੈਨੋਗਪਟ ਰਿਪੋਜ਼ਟਰੀ ਅਤੇ ਕਮਿਊਨਿਟੀ ਯੋਗਦਾਨੀਆਂ ਦੀ ਲੰਮੀ ਸੂਚੀ ਤੋਂ ਆਉਂਦਾ ਹੈ। ਚੁਣੌਤੀ ਦੱਸਣ ਲਈ ਧੋਖੇ ਨਾਲ ਸਧਾਰਨ ਹੈ: 8 NVIDIA H100 GPUs ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿਓ ਜੋ FineWeb ਪ੍ਰਮਾਣਿਕਤਾ ਸੈੱਟ 'ਤੇ 3.28 ਕਰਾਸ-ਐਂਟਰੋਪੀ ਨੁਕਸਾਨ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ — ਪ੍ਰਦਰਸ਼ਨ ਪੱਧਰ Andrej Karpathy ਦੀ ਅਸਲੀ GPT-2 ਪ੍ਰਤੀਕ੍ਰਿਤੀ 45 ਮਿੰਟਾਂ ਬਾਅਦ ਪਹੁੰਚ ਗਈ — ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ।
ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ ਸੈਂਕੜੇ ਕਮਿਊਨਿਟੀ ਯੋਗਦਾਨਾਂ ਦੁਆਰਾ, ਮਨੁੱਖੀ ਰਿਕਾਰਡ ਨੂੰ 75 ਸਕਿੰਟਾਂ ਤੋਂ ਘੱਟ ਅਤੇ 400 ਮਿਲੀਅਨ ਸਿਖਲਾਈ ਟੋਕਨਾਂ ਦੇ ਹੇਠਾਂ ਚਲਾ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਅਸਲ ਵਿਅੰਜਨ ਨਾਲੋਂ 30 ਗੁਣਾ ਤੋਂ ਵੱਧ ਸੁਧਾਰ ਹੈ। ਜੇਤੂ ਹੱਲ ਆਧੁਨਿਕ ML ਇੰਜਨੀਅਰਿੰਗ ਦੇ ਇੱਕ ਕੈਟਾਲਾਗ ਵਾਂਗ ਪੜ੍ਹਦੇ ਹਨ: Muon optimizer, QK-Norm ਦੇ ਨਾਲ ਰੋਟਰੀ ਏਮਬੈਡਿੰਗ, ReLU-squared ਐਕਟੀਵੇਸ਼ਨ, FP8 ਕੁਆਂਟਾਇਜ਼ੇਸ਼ਨ ਅਤੇ MLP ਪਾਸ, ਸਲਾਈਡਿੰਗ-ਵਿੰਡੋ ਪੈਟਰਨਾਂ ਦੇ ਨਾਲ ਫਲੈਸ਼ ਅਟੈਂਸ਼ਨ 3, ਅਤੇ ਦਰਜਨਾਂ ਹੋਰ ਤਕਨੀਕਾਂ ਇੱਕ ਦੂਜੇ ਦੇ ਉੱਪਰ ਸਟੈਕ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ।
ਪ੍ਰਾਈਮ ਇੰਟੈਲੈਕਟ ਦੇ ਟੈਸਟ ਨੇ ਬੈਂਚਮਾਰਕ ਦੇ ਆਪਟੀਮਾਈਜ਼ਰ ਟ੍ਰੈਕ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜੋ - ਰਿਪੋਜ਼ਟਰੀ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਅਨੁਸਾਰ - ਇੱਕ ਪ੍ਰਭਾਵੀ ਤੌਰ 'ਤੇ ਅਸੀਮਤ ਕੰਧ-ਘੜੀ ਬਜਟ ਦੇ ਨਾਲ, ਇੱਕ ਨਿਸ਼ਚਿਤ ਆਰਕੀਟੈਕਚਰ, ਡੇਟਾਸੈਟ, ਅਤੇ ਬੈਚ ਆਕਾਰ ਦੇ ਅਧੀਨ, ਟੀਚੇ ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸਿਖਲਾਈ ਦੇ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘੱਟ ਕਰਦਾ ਹੈ। ਇਹ ਇਸਨੂੰ ਕੱਚੀ ਹਾਰਡਵੇਅਰ ਸਪੀਡ ਦੀ ਬਜਾਏ ਐਲਗੋਰਿਦਮ ਖੋਜ ਦਾ ਇੱਕ ਸ਼ੁੱਧ ਟੈਸਟ ਬਣਾਉਂਦਾ ਹੈ।
ਪ੍ਰਯੋਗ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ
18 ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਨੂੰ ਖੁਦਮੁਖਤਿਆਰ ਤੌਰ 'ਤੇ ਕੰਮ ਦਿੱਤਾ ਗਿਆ ਸੀ: ਸਿਖਲਾਈ ਦੀ ਵਿਧੀ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ, ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਚਲਾਓ, ਨਤੀਜਿਆਂ ਦੀ ਜਾਂਚ ਕਰੋ, ਅਤੇ ਦੁਹਰਾਓ — ਇੱਕ ਸਥਿਰ ਪੁਸ਼ਟੀਕਰਨ ਸਕ੍ਰਿਪਟ ਅਤੇ ਸਥਿਰ ਬੇਤਰਤੀਬੇ ਬੀਜਾਂ ਦੇ ਨਾਲ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਦਾਅਵਾ ਕੀਤਾ ਗਿਆ ਸੁਧਾਰ ਇੱਕ ਖੁਸ਼ਕਿਸਮਤ ਦੌੜ ਦੀ ਬਜਾਏ ਅਸਲ ਹੈ। ਜਿਵੇਂ ਕਿ ਇੱਕ ਹੈਕਰ ਨਿਊਜ਼ ਟਿੱਪਣੀਕਾਰ ਨੇ ਇਸਦਾ ਸਾਰ ਦਿੱਤਾ, ਮਾਡਲਾਂ ਨੂੰ ਖੋਜ ਕਰਨ ਲਈ ਕਿਹਾ ਗਿਆ ਕਿ ਇੱਕ ਛੋਟੇ ਮਾਡਲ ਦੀ ਸਿਖਲਾਈ ਨੂੰ ਕਿਵੇਂ ਸੁਧਾਰਿਆ ਜਾਵੇ, ਵਾਰ-ਵਾਰ ਤਬਦੀਲੀਆਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ, ਉਹਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਇਹ ਫੈਸਲਾ ਕਰਨ ਲਈ ਕਿ ਅੱਗੇ ਕੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਹੈ।
ਮਾਡਲਾਂ ਨੇ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਏਜੰਟ ਹਾਰਨੇਸ ਦੁਆਰਾ ਕੰਮ ਕੀਤਾ — ਜਿਸ ਵਿੱਚ ਕਲਾਉਡ-ਕੋਡ, ਓਪਨਏਆਈ ਦਾ ਕੋਡੈਕਸ, ਕਿਮੀ-ਕੋਡ, ਗ੍ਰੋਕ-ਕਲੀ, ਕਵੇਨ-ਕੋਡ, ਅਤੇ ਪ੍ਰਾਈਮ ਇੰਟੈਲੈਕਟ ਦਾ ਆਪਣਾ ਪ੍ਰਾਈਮ-ਏਜੰਟ ਸ਼ਾਮਲ ਹੈ — ਅਤੇ ਟੀਮ ਨੇ ਹਰ ਦੌੜ ਦੇ ਟੋਕਨ ਦੀ ਖਪਤ, ਪ੍ਰਯੋਗ ਗਿਣਤੀ, ਟੂਲ ਕਾਲਾਂ, ਅਤੇ ਬੀਤ ਚੁੱਕੇ ਏਜੰਟ ਸਮੇਂ ਨੂੰ ਟਰੈਕ ਕੀਤਾ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਪ੍ਰਯੋਗ ਨੇ ਪ੍ਰਤੀ ਚੋਟੀ ਦੇ ਮਾਡਲ ਵਿੱਚ ਲੱਖਾਂ ਟੋਕਨਾਂ ਅਤੇ ਪੂਰੇ ਗਰਿੱਡ ਵਿੱਚ ਅਰਬਾਂ ਦੀ ਖਪਤ ਕੀਤੀ।
ਲੀਡਰਬੋਰਡ: ਫੈਬਲ 5 ਪੈਕ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ
ਸਿਰਲੇਖ ਨਤੀਜਾ: ਫੈਬਲ 5 ਵਜੋਂ ਪਛਾਣੇ ਗਏ ਮਾਡਲ, ਕਲੌਡ-ਕੋਡ ਹਾਰਨੈਸ ਦੁਆਰਾ ਚੱਲਦੇ ਹੋਏ, ਬੇਸਲਾਈਨ ਵਿਅੰਜਨ ਅਤੇ ਮਨੁੱਖੀ ਰਿਕਾਰਡ ਦੇ ਵਿਚਕਾਰਲੇ ਪਾੜੇ ਦੇ 81.7 ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਬੰਦ ਕਰ ਦਿੱਤਾ, ਲੀਡਰਬੋਰਡ ਦੇ ਮੈਟ੍ਰਿਕ 'ਤੇ 2,726 ਦੇ ਵਧੀਆ ਪ੍ਰਮਾਣਿਤ ਨਤੀਜੇ ਦੇ ਨਾਲ। ਉੱਥੇ ਪਹੁੰਚਣ ਵਿੱਚ 8.7 ਦਿਨਾਂ ਦਾ ਸੰਚਤ ਏਜੰਟ ਸਮਾਂ, ਲਗਭਗ 800 ਮਿਲੀਅਨ ਟੋਕਨ, 811 ਪ੍ਰਯੋਗ, ਅਤੇ ਲਗਭਗ 3,000 ਟੂਲ ਕਾਲਾਂ ਲੱਗੀਆਂ।
ਪਿੱਛਾ ਕਰਨ ਵਾਲੇ ਪੈਕ ਦੀ ਅਗਵਾਈ ਓਪਸ 5 ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਸੀ, ਜਿਸ ਨੇ 53.6 ਪ੍ਰਤੀਸ਼ਤ ਗੈਪ ਨੂੰ ਬੰਦ ਕੀਤਾ, ਕਿਮੀ ਕੇ3 ਦੁਆਰਾ 52.2 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਨੇੜੇ ਤੋਂ ਬਾਅਦ ਜਦੋਂ ਪ੍ਰਾਈਮ ਇੰਟੈਲੈਕਟ ਦੇ ਪ੍ਰਾਈਮ-ਏਜੰਟ ਹਾਰਨੇਸ (ਅਤੇ ਕਿਮੀ-ਕੋਡ ਦੁਆਰਾ 45.8 ਪ੍ਰਤੀਸ਼ਤ) ਦੁਆਰਾ ਚਲਾਇਆ ਗਿਆ। ਓਪਸ 4.8 ਨੇ 39.4 ਪ੍ਰਤੀਸ਼ਤ ਦਾ ਪ੍ਰਬੰਧਨ ਕੀਤਾ, ਕਈ GPT-5.6 ਰੂਪ ਲਗਭਗ 11 ਅਤੇ 36 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਵਿਚਕਾਰ, ਸਨੇਟ 5 ਨੇ 26.8 ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਬੰਦ ਕੀਤਾ, ਅਤੇ Grok 4.5 ਅਤੇ Qwen3.8 ਮੈਕਸ ਹਰ ਇੱਕ ਲਗਭਗ 24.6 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਪਹੁੰਚ ਗਿਆ।
ਹੋਰ ਹੇਠਾਂ, DeepSeek V4 Pro ਨੇ 12.3 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਅੰਤਰ ਨੂੰ ਬੰਦ ਕੀਤਾ, GPT-5.5 8.1 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਪਹੁੰਚ ਗਿਆ, ਅਤੇ ਪੁਰਾਣੀ ਕਿਮੀ K2.7 7.2 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਪਹੁੰਚ ਗਿਆ। ਖਾਸ ਤੌਰ 'ਤੇ, ਹਾਲ ਹੀ ਵਿੱਚ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਇੱਕ ਮਾਡਲ — GLM 5.3 — ਅਜੇ ਵੀ ਪ੍ਰਕਾਸ਼ਨ ਦੇ ਸਮੇਂ ਚੱਲ ਰਿਹਾ ਸੀ, ਅਜੇ ਤੱਕ ਕੋਈ ਪ੍ਰਮਾਣਿਤ ਰਿਕਾਰਡ ਨਹੀਂ ਹੈ, ਇੱਕ ਯਾਦ ਦਿਵਾਉਣ ਲਈ ਕਿ ਬੈਂਚਮਾਰਕ ਉਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਸਜ਼ਾ ਦਿੰਦਾ ਹੈ ਜੋ ਆਪਣੇ ਖੁਦ ਦੇ ਸੁਧਾਰਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਨ।
ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ
ਬੈਂਚਮਾਰਕ ਇਸ ਮਾਮਲੇ ਨੂੰ ਪਸੰਦ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਮਾਪਦੇ ਹਨ ਕੋਡਿੰਗ ਲੀਡਰਬੋਰਡ ਨਹੀਂ ਕਰ ਸਕਦੇ: ਇੱਕ ਅਸਲੀ ਖੋਜ ਲੂਪ ਨੂੰ ਚਲਾਉਣ ਦੀ ਸਮਰੱਥਾ — ਪਰਿਕਲਪਨਾ, ਪ੍ਰਯੋਗ, ਵਿਸ਼ਲੇਸ਼ਣ, ਸੰਸ਼ੋਧਨ — ਮਿੰਟਾਂ ਦੀ ਬਜਾਏ ਦਿਨਾਂ ਵਿੱਚ। ਇਹ ਸਮਰੱਥਾ ਖੁਦਮੁਖਤਿਆਰੀ ਏਆਈ ਖੋਜ ਦੇ ਉੱਭਰ ਰਹੇ ਖੇਤਰ ਦੀ ਬੁਨਿਆਦ ਹੈ, ਜਿਸ ਵਿੱਚ ਏਜੰਟਾਂ ਨੂੰ ਕੋਡ ਲਿਖਣ ਦਾ ਕੰਮ ਨਹੀਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਪਰ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੇ ਨਾਲ ਜੋ ਕਿਸੇ ਨੇ ਉਨ੍ਹਾਂ ਨੂੰ ਨਹੀਂ ਦਿਖਾਇਆ।
ਨਤੀਜਿਆਂ ਵਿੱਚ ਫੈਲਣਾ ਆਪਣੇ ਆਪ ਵਿੱਚ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਹੈ। ਪ੍ਰਯੋਗ ਵਿੱਚ ਲਗਭਗ ਹਰ ਮਾਡਲ ਨੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਰਾਈਟਅੱਪ ਦੇ ਅਨੁਸਾਰ, ਇੱਕੋ ਜਿਹੇ ਕੋਰ ਜੇਤੂ ਵਿਚਾਰ ਲੱਭੇ — ਜੋ ਸਭ ਤੋਂ ਵਧੀਆ ਦੌੜਾਂ ਨੂੰ ਵੱਖ ਕਰਦਾ ਹੈ ਉਹ ਸੀ ਇੱਕ ਪ੍ਰਯੋਗ ਪਿੱਛੇ ਕੀ ਛੱਡਦਾ ਹੈ: ਮਜ਼ਬੂਤ ਏਜੰਟਾਂ ਨੇ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਰੌਲੇ-ਰੱਪੇ ਵਾਲੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਕਮਜ਼ੋਰ ਸਿਗਨਲਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ, ਅਤੇ ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਪ੍ਰਯੋਗਾਤਮਕ ਡੇਟਾ ਨੂੰ ਬਿਹਤਰ ਸਮਝਿਆ।
ਭਾਈਚਾਰੇ ਵੱਲੋਂ ਚੇਤਾਵਨੀਆਂ
ਹੈਕਰ ਨਿਊਜ਼ ਟਿੱਪਣੀ ਕਰਨ ਵਾਲਿਆਂ ਨੇ ਨਿਰਪੱਖ ਵਿਧੀ ਸੰਬੰਧੀ ਨੁਕਤੇ ਉਠਾਏ। ਕੋਸ਼ਿਸ਼ ਸੈਟਿੰਗਾਂ ਅਤੇ ਹਾਰਨੇਸ ਸਾਰੇ ਮਾਡਲਾਂ ਵਿੱਚ ਵੱਖੋ-ਵੱਖਰੇ ਹਨ — ਫੈਬਲ 5 ਉੱਚ ਤਰਕ ਸੈਟਿੰਗ 'ਤੇ ਚੱਲਿਆ ਜਦੋਂ ਕਿ ਓਪਸ 5 ਅਧਿਕਤਮ 'ਤੇ ਚੱਲਿਆ — ਅਤੇ 18 ਮਾਡਲਾਂ ਵਿੱਚ 153 ਦੌੜਾਂ ਦੇ ਅੰਕਗਣਿਤ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੁਝ ਮਾਡਲਾਂ ਨੂੰ ਦੂਜਿਆਂ ਨਾਲੋਂ ਵੱਧ ਕੋਸ਼ਿਸ਼ਾਂ ਪ੍ਰਾਪਤ ਹੋਈਆਂ। ਕੀ ਇੱਕ ਮਾਡਲ ਦੀ ਦਰਜਾਬੰਦੀ ਇਸਦੀ ਕੱਚੀ ਖੋਜ ਯੋਗਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜਾਂ ਇਸਦੀ ਵਰਤੋਂ ਦੀ ਗੁਣਵੱਤਾ ਇੱਕ ਖੁੱਲਾ ਸਵਾਲ ਬਣਿਆ ਹੋਇਆ ਹੈ।
ਫਿਰ ਵੀ, ਯਾਤਰਾ ਦੀ ਦਿਸ਼ਾ ਸਪੱਸ਼ਟ ਹੈ. ਜਦੋਂ ਸਭ ਤੋਂ ਤੇਜ਼ ਮਨੁੱਖੀ ਹੱਥਾਂ ਨੇ ਮੌਜੂਦਾ ਰਿਕਾਰਡ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਸਮੂਹਿਕ ਯਤਨਾਂ ਦੇ ਸਾਲਾਂ ਦਾ ਸਮਾਂ ਲਿਆ, ਤਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟ ਹੁਣ ਗਣਨਾ ਸਮੇਂ ਦੇ ਇੱਕ ਹਫ਼ਤੇ ਤੋਂ ਥੋੜ੍ਹੇ ਜਿਹੇ ਸਮੇਂ ਵਿੱਚ ਉਸ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰ ਰਹੇ ਹਨ। ਅਗਲਾ ਸਵਾਲ - ਕੀ ਕੋਈ ਵੀ ਮਾਡਲ ਬਾਕੀ ਬਚੇ 18.3 ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਬੰਦ ਕਰ ਸਕਦਾ ਹੈ - ਉਮੀਦ ਨਾਲੋਂ ਜਲਦੀ ਜਵਾਬ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ.
AI ਦੀ ਸੀਮਾ ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਮਾਪਦੰਡਾਂ ਅਤੇ ਖੋਜਾਂ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, AI Buzz Wire ਦੇ ਲਗਾਤਾਰ ਕਵਰੇਜ ਦੀ ਪਾਲਣਾ ਕਰੋ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
