Mistral AI ஆனது Shieldstral ஐ ஆகஸ்ட் 4, 2026 அன்று வெளியிட்டது, இது 3-பில்லியன் அளவுருக்கள் திறந்த-எடைகள் பாதுகாப்பு வகைப்படுத்தி, இது பயிற்சியின் போது மாதிரியில் சுடப்படும் நிலையான தீங்கு வகைகளை நம்பாமல், அனுமான நேரத்தில் எளிய மொழியில் எழுதப்பட்ட மிதமான கொள்கைகளுக்கு எதிராக உரை மற்றும் படங்களை தீர்மானிக்கிறது. இன்று பெரும்பாலான காவலர் மாடல்கள் எவ்வாறு கட்டமைக்கப்பட்டுள்ளன என்பதிலிருந்து குறிப்பிடத்தக்க தத்துவப் புறப்பாடு வெளியீடு பிரதிபலிக்கிறது.

இந்த மாடல் Apache 2.0 உரிமத்தின் கீழ் Hugging Face இல் கிடைக்கிறது, 12 மொழிகளை உள்ளடக்கியது மற்றும் ஒரு 16GB GPU இல் இயங்குகிறது. ஐரோப்பிய AI துறையானது போட்டித்திறன்மிக்க திறந்த-எடை அமைப்புகளைத் தொடர்ந்து தயாரித்து வருவதால், ஷீல்ட்ஸ்ட்ரல் பிரேக்கிங் AI செய்திகளுக்கு மற்றொரு பரிமாணத்தைச் சேர்க்கிறது, இது டெவலப்பர்கள் பாதுகாப்பை எவ்வாறு அணுகுகிறது என்பதை மாற்றியமைக்கிறது.

Shieldstral எப்படி வேலை செய்கிறது

பெரும்பாலான காவலர் மாடல்கள் பயிற்சியின் போது அவற்றின் எடையில் தீங்கு வகைகளின் வகைபிரிப்பை கடின-குறியீடு செய்கின்றன, அதாவது அவற்றை ஒரு புதிய தயாரிப்பு சூழலுக்கு மாற்றியமைக்க முழு மறுபயிற்சி சுழற்சி தேவைப்படுகிறது Shieldstral அடிப்படையில் வேறுபட்ட அணுகுமுறையை எடுக்கிறது: அனுமான நேரத்தில் உள்ளீட்டின் ஒரு பகுதியாக மிதமான கொள்கை வழங்கப்படுகிறது.

Unite.AI இன் பகுப்பாய்வின்படி, பொறிமுறையானது ஒவ்வொரு மிதமான பணியையும் பைனரி கேள்வி பதில்களாக குறைக்கிறது. ஒவ்வொரு கோரிக்கையிலும் மூன்று குறியிடப்பட்ட பகுதிகள் உள்ளன: மதிப்பீட்டு சூழல் மற்றும் கண்டிப்பு நிலை ஆகியவற்றைக் கொண்ட ஒரு `<வினவல்>` புலம், "இந்த உள்ளடக்கம் உடல் ரீதியான வன்முறையை ஊக்குவிக்கிறதா?" போன்ற ஒற்றை ஆம்/இல்லை என்ற கேள்வியைக் கொண்ட `<வினவல்>` புலம், மற்றும் `` புலம் தீர்ப்புக்கான உள்ளடக்கத்தை வைத்திருக்கும்.

அனுமானத்தில், மாதிரியானது "ஆம்" மற்றும் "இல்லை" டோக்கன்களுக்கான லாஜிட்களை மட்டுமே படிக்கிறது மற்றும் சாஃப்ட்மேக்ஸ்-அவற்றை ஒரு தொடர்ச்சியான மதிப்பெண்ணாக இயல்பாக்குகிறது, இது பைனரி தீர்ப்புக்கு 0.5 ஆக உள்ளது. ஒரே சோதனைச் சாவடியை ஒரே மாதிரியான பிரச்சனையின் நிகழ்வுகளாக உடனடி வகைப்பாடு, மறுமொழி மிதப்படுத்துதல், மறுப்பு கண்டறிதல் மற்றும் நச்சுத்தன்மையைக் கண்டறிதல் ஆகியவற்றை உறிஞ்சுவதற்கு அந்த உருவாக்கம் உதவுகிறது.

ஒரு சோதனைச் சாவடி, பல கொள்கைகள்

நடைமுறை உட்குறிப்பு குறிப்பிடத்தக்கது. அதே சோதனைச் சாவடியானது சைபர் செக்யூரிட்டி ஆராய்ச்சிக் கருவி மற்றும் மனநல-சுகாதார தளத்தை முற்றிலும் வேறுபட்ட தரநிலைகளுக்கு எதிராக மாற்றமில்லாமல் திரையிட முடியும். ஒரு ஆபரேட்டர் ஆம்/இல்லை என்ற கேள்வியை எழுதுகிறார், மதிப்பீட்டு சூழல் மற்றும் கண்டிப்பை விவரிக்கும் அறிவுறுத்தலை வழங்குகிறார், மேலும் மாடல் ஒரு டோக்கன் வெளியீட்டில் இருந்து அளவீடு செய்யப்பட்ட பாதுகாப்பு மதிப்பெண்ணை வழங்குகிறது.

இந்தக் கொள்கைக்கு ஏற்ற வடிவமைப்பு, AI பாதுகாப்பு அமைப்புகளைப் பயன்படுத்துவதில் தொடர்ச்சியான ஏமாற்றங்களில் ஒன்றைக் குறிக்கிறது: விலையுயர்ந்த மறுபயிற்சி இல்லாமல் குறிப்பிட்ட பயன்பாட்டு நிகழ்வுகளுக்கு ஏற்ப மிதப்படுத்துவதில் உள்ள சிரமம். நிதி-சேவைகள் சாட்பாட், குழந்தைகளுக்கான கல்விப் பயன்பாடு மற்றும் பாதுகாப்பு ஆராய்ச்சியாளர்களுக்கான திறந்த மன்றம் ஆகிய அனைத்திற்கும் முற்றிலும் மாறுபட்ட பாதுகாப்புக் கம்பிகள் தேவை, மேலும் ஷீல்ட்ஸ்ட்ரல் மூன்றையும் ஒரே எடையில் இருந்து கையாளுவதை நோக்கமாகக் கொண்டுள்ளது.

கட்டிடக்கலை மற்றும் செயல்திறன்

Shieldstral ஆனது Ministral-3-3B, Mistral இன் சிறிய மல்டிமாடல் மாடலில் கட்டமைக்கப்பட்டுள்ளது, ஒரு Pixtral vision encoder கையாளும் பட உள்ளீடுகளுடன். மாடல் கார்டு 32,000-டோக்கன் சூழல் சாளரத்தை பட்டியலிடுகிறது, மேலும் மல்டிமாடல் மிதமானத்தில் ஒரு புதிய நிலையை அமைக்கும் அதே வேளையில், உரை பாதுகாப்பு வரையறைகளில் அதன் அளவு ஏழு மடங்கு வரை திறந்த பாதுகாப்பு மாடல்களுடன் மாடல் பொருந்துகிறது என்று மிஸ்ட்ரல் கூறுகிறார்.

அவை 3B-அளவுரு மாதிரிக்கான வலுவான கூற்றுகள், மேலும் மிஸ்ட்ரல் வழக்கத்திற்கு மாறான ஆவணங்களுடன் வெளியீட்டை ஆதரித்தார். பயிற்சி செய்முறை மற்றும் மதிப்பீட்டை விவரிக்கும் தொழில்நுட்ப அறிக்கை ஜூலை 28, 2026 அன்று arXiv இல் வெளியிடப்பட்டது, அதைத் தொடர்ந்து Mistral இன் ஆவணங்களில் முழு மாதிரி அட்டை மற்றும் எடைகள் இரண்டும் ஆகஸ்ட் 4 அன்று வெளியிடப்பட்டது.

தற்போதைய நிலை பற்றிய ஒரு கூர்மையான விமர்சனம்

மிஸ்ட்ரல் ஷீல்ட்ஸ்ட்ரல் வெளியீட்டை வடிவமைத்துள்ளார், இது பொதுவாக காவலர் மாதிரிகள் எவ்வாறு கட்டமைக்கப்படுகின்றன என்பதற்கான ஒரு கூர்மையான விமர்சனத்தைச் சுற்றி. மாடல் எடைகளில் கடின-குறியீடு தீங்கு வகைபிரித்தல் நெகிழ்வுத்தன்மையை உருவாக்குகிறது என்று நிறுவனம் வாதிடுகிறது, ஒவ்வொரு முறையும் கொள்கை மாறும்போது அல்லது புதிய தயாரிப்பு தொடங்கும் போது டெவலப்பர்களை மீண்டும் பயிற்சி செய்ய கட்டாயப்படுத்துகிறது.

இது ஒரு தொழில்நுட்ப வாதத்தை விட அதிகம்; இது ஒரு போட்டி நிலைப்படுத்தல் அறிக்கை. Apache-2.0-உரிமம் பெற்ற மாதிரியை வெளியிடுவதன் மூலம், சுயமாக ஹோஸ்ட் செய்து, மறுபயிற்சி இல்லாமல் மாற்றியமைக்க முடியும், நிர்வகிக்கப்பட்ட சேவைகள் அல்லது தனியுரிம வகைப்படுத்திகளின் மேல்நிலை இல்லாமல் தங்கள் பாதுகாப்பு அடுக்கின் மீது கட்டுப்பாட்டை விரும்பும் டெவலப்பர்களை மிஸ்ட்ரல் குறிவைக்கிறது.

திறந்த எடை அணுகுமுறை நிறுவன பயனர்களிடையே வளர்ந்து வரும் கவலையை நிவர்த்தி செய்கிறது: மூடிய பாதுகாப்பு அமைப்புகளின் ஒளிபுகாநிலை. ஒரு காவலாளி உள்ளடக்கத்தைத் தடுக்கும் போது, ​​ஏன் என்று ஆபரேட்டர்கள் அடிக்கடி ஆய்வு செய்ய முடியாது. ஷீல்ட்ஸ்ட்ரலின் வெளிப்படையான, கொள்கை-உள்ளீடு வடிவமைப்பு, கொடுக்கப்பட்ட தீர்ப்பை எந்த விதியை உருவாக்கியது என்பதை டெவலப்பர்கள் பார்க்க உதவுகிறது.

பரந்த திறந்த எடைகள் உந்தம்

தொழில்துறை முழுவதும் திறந்த எடை AI வெளியீடுகளின் பரந்த எழுச்சியின் மத்தியில் Shieldstral வருகிறது. இந்த மாடல் மிஸ்ட்ரலின் விரிவடைந்து வரும் திறந்த அமைப்புகளின் போர்ட்ஃபோலியோவில் இணைகிறது, இது மூல எல்லை அளவைக் காட்டிலும் அணுகல் மற்றும் டெவலப்பர் அனுபவத்தில் போட்டியிடும் நிறுவனத்தின் உத்தியை வலுப்படுத்துகிறது.

AI பயன்பாடுகளை உருவாக்கும் குழுக்களுக்கு, மூன்றாம் தரப்பு API க்கு தரவை அனுப்பாமல், ஒற்றை நுகர்வோர்-தர GPU இல் திறமையான மல்டிமாடல் பாதுகாப்பு வகைப்படுத்தியை இயக்கும் திறன், வலுவான மிதமானத்தை பயன்படுத்துவதற்கான செலவு மற்றும் தனியுரிமை தடை இரண்டையும் குறைக்கிறது. தரவு வதிவிடமும் தணிக்கைத் திறனும் பேச்சுவார்த்தைக்குட்படாத ஒழுங்குபடுத்தப்பட்ட தொழில்களில் தத்தெடுப்பை துரிதப்படுத்தலாம்.

AIக்கு முன்னால் இருங்கள்

ஷீல்ட்ஸ்ட்ரல் போன்ற ஓப்பன்-வெயிட் பாதுகாப்பு மாதிரிகள் டெவலப்பர்கள் காவலர்களைப் பற்றி எப்படி நினைக்கிறார்கள் என்பதை மாற்றுகிறது, மேலும் புதுமைகளின் வேகம் குறைவதற்கான அறிகுறியைக் காட்டவில்லை. [AI Buzz Wire] (https://aibuzzwire.news) ஐப் பின்தொடரவும், மாதிரிகள், கருவிகள் மற்றும் துறையில் முன்னேறும் ஆராய்ச்சி பற்றிய தெளிவான, உண்மை அறிக்கையிடல்.

மேலும் AI செய்திகளைப் படிக்கவும் →