Perplexity ได้เผยแพร่โพสต์โดยละเอียดเกี่ยวกับ Decider v1.3 ซึ่งเป็นเวอร์ชันใหม่ล่าสุดของกลุ่มโมเดลการตัดสินใจในชื่อ "Perplexity Decider v1.3: การฝึกอบรม การประเมิน และกรณีการใช้งาน" โพสต์ดังกล่าวขึ้นหน้าแรกของ Hacker News เมื่อวันศุกร์ และดึงคะแนนมากกว่า 140 คะแนนภายในไม่กี่ชั่วโมง โดยนักพัฒนาซื้อขายผลการวัดประสิทธิภาพและโต้แย้งว่าโมเดลเหล่านี้เหมาะสมจริงๆ ตรงไหน หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับเรื่องนี้และ ข่าวด่วน AI เราจะติดตามการเปิดตัวโมเดลทุกรุ่นทันทีที่เปิดตัว

ความสนใจไม่ได้อยู่ที่การอัปเดตเพียงครั้งเดียวและเพิ่มเติมเกี่ยวกับสิ่งที่เธรดเปิดเผย: ในเวลาเพียงไม่ถึงปี โมเดลการตัดสินใจได้เปลี่ยนจากความอยากรู้อยากเห็นไปสู่หมวดหมู่ที่หนาแน่นด้วยเกณฑ์มาตรฐานของตนเอง ตรรกะการกำหนดราคาของตนเอง และสาขาการแข่งขันที่ขณะนี้รวมถึง Perplexity, TypeSafe, Microsoft, Google, Cloudflare และ OpenAI

โมเดลการตัดสินใจทำอะไรได้จริง

คำจำกัดความที่ชัดเจนที่สุดมาจาก Artificial Analysis ซึ่งเป็นห้องปฏิบัติการประเมินผลอิสระซึ่งมี Decision Index v2.1 กลายเป็นบอร์ดผู้นำอ้างอิงสำหรับหมวดหมู่นี้ ในตัวอธิบาย โมเดลการตัดสินใจจะตั้งคำถามพร้อมชุดตัวเลือกที่ตายตัว ตัวอย่างเช่น ตั๋วสนับสนุนที่ถามว่าจะกำหนดเส้นทางไปยังการเรียกเก็บเงินหรือทางเทคนิค ไม่ว่าจะเร่งด่วนหรือไม่ และลูกค้ารู้สึกไม่พอใจเพียงใด แล้วส่งคืนคำตอบสำหรับทุกตัวเลือกโดยมีความน่าจะเป็นแนบมาด้วย ทั้งหมดนี้ทำได้ในการโทรเพียงครั้งเดียว

ในทางตรงกันข้าม โมเดลภาษาสำหรับวัตถุประสงค์ทั่วไปจะสร้างผลลัพธ์ที่มีโครงสร้างซึ่งจะต้องแยกวิเคราะห์ และโมเดลการใช้เหตุผลจะใช้การคิดคำนวณเพิ่มเติมก่อนที่จะตอบ โมเดลการตัดสินใจข้ามสิ่งนั้นไป พวกเขาได้รับการฝึกฝนให้เลือก ไม่ใช่อธิบาย ซึ่งเป็นสิ่งที่ทำให้พวกเขารวดเร็วและประหยัดพอที่จะรันกับทุกเอกสาร ทุกคำขอ ในปริมาณมาก

วิธีการวัดหมวดหมู่

Artificial Analysis Decision Index v2.1 ซึ่งได้รับการอัปเดตด้วยหน้าวิธีการสาธารณะ ได้รวมการประเมิน 6 รายการพร้อมน้ำหนักที่เผยแพร่ ได้แก่ AA-Paperclip ที่ 30 เปอร์เซ็นต์ ซึ่งดำเนินการเรซูเม่ ใบเสร็จรับเงิน ใบกำกับสินค้า และเอกสารวิจัย 1,500 รายการผ่านการตัดสินใจและการดึงข้อเท็จจริง EvalSafe-ONET-AA ที่ 15 เปอร์เซ็นต์ อิงตามเกณฑ์มาตรฐาน ONET ของ TypeSafe ในการตัดสินเกี่ยวกับเอกสารในที่ทำงาน When2Call ที่ 10 เปอร์เซ็นต์ การประเมินการเรียกเครื่องมือของ NVIDIA; AA-สัพพัญญู-การตัดสินใจ v1.1 ที่ 15 เปอร์เซ็นต์สำหรับความรู้และภาพหลอน HLE-MultiChoice v1.1 ที่ 15 เปอร์เซ็นต์ คำถามแบบปรนัยแบบข้อความเท่านั้นจากการสอบครั้งสุดท้ายของมนุษยชาติพร้อมตัวเลือกในการปฏิเสธ และ AA-Symmetry v1.1 ที่ 15 เปอร์เซ็นต์ ซึ่งจะตรวจสอบว่าการตัดสินใจยังคงอยู่เมื่อมีการย้าย เปลี่ยนคำ หรือปฏิเสธตัวเลือกต่างๆ

การทดสอบครั้งสุดท้ายคือการบอกเล่า โมเดลที่พลิกคำตอบเมื่อคุณกลับลำดับตัวเลือกนั้นไม่ได้กำลังตัดสินใจจริงๆ แต่เป็นการจับคู่รูปแบบ การสอบเทียบ ค่าคงที่ และการรู้ว่าเมื่อใดควรปฏิเสธจะถือเป็นข้อกำหนดชั้นหนึ่ง ไม่ใช่โบนัส

สิ่งที่กระทู้ข่าวแฮ็กเกอร์เพิ่มเข้ามา

ความฉงนสนเท่ห์ทำให้สมาชิกในครอบครัว pplx-decider-v1-27b มีน้ำหนักเปิดกว้างเป็นครั้งแรกด้วยพารามิเตอร์ 27 พันล้านรายการบน Hugging Face เมื่อต้นเดือนตุลาคม ดังนั้นชุมชนจึงได้ทดลองใช้โมเดลเหล่านี้เป็นเวลาหลายสัปดาห์ การตอบสนองต่อเวอร์ชัน 1.3 ผสมปนเปกันในลักษณะที่ดูเหมือนเป็นตลาดที่ดีมากกว่าวงจรการโฆษณาเกินจริง

นักพัฒนารายหนึ่งรายงานว่า Decider v1.3 แสดงให้เห็นข้อดีเหนือทั้ง v1.2 และ Jev 1.14 ของ TypeSafe ในการประเมินภายในสำหรับการแยกเอนทิตีและงานการจับคู่ อีกคนหนึ่งกล่าวว่ามันทำงานได้ดีกับเกณฑ์มาตรฐานในท้องถิ่นและมีราคาที่สามารถแข่งขันได้ โดยสังเกตว่าสถาปัตยกรรมการเอาใจใส่แบบสองทิศทางอาจเหมาะกับงานการตัดสินใจ คนอื่นๆ ปฏิเสธ: ผู้แสดงความคิดเห็นคนหนึ่งพบว่าเวอร์ชัน 1.3 ถอยหลังไปหนึ่งก้าวสำหรับกรณีการใช้งานของพวกเขา และกล่าวว่าดัชนีสาธารณะเห็นด้วย และอีกคนหนึ่งตั้งคำถามว่ารูปแบบแฟลชทำให้คำมั่นสัญญาหลักของหมวดหมู่ในการตัดสินใจจำนวนมากที่มีราคาถูกและแม่นยำหรือไม่

นอกจากนี้ เธรดยังแสดงระบบนิเวศโดยรอบด้วย เช่น โมเดลการตัดสินใจ Clef ของ Cloudflare และโมเดลการแยก Clairic, ScaleDown API, D1 ของ Liquid และโมเดลการตัดสินใจของ OpenAI โดยนักพัฒนาหลายรายตั้งข้อสังเกตว่าดัชนี Artificial Analysis ซึ่งรวมถึงต้นทุนต่องานและการสอบเทียบควบคู่ไปกับความแม่นยำ เป็นเพียงการเปรียบเทียบระหว่างผู้จำหน่ายที่พวกเขาไว้วางใจ

ทำไมมันถึงสำคัญ

เราได้กล่าวถึงการเพิ่มขึ้นของหมวดหมู่นี้ทีละขั้นตอน: โมเดล Jev system-one ของ TypeSafe, Decision-1 ของ Microsoft ที่สร้างขึ้นบน Qwen และ Decisions API ของ Google พร้อมโมเดล Gemini Decision-1 Perplexity shipping v1.3 ยืนยันรูปแบบ — แพลตฟอร์ม AI หลักทุกแห่งในขณะนี้ต้องการเป็นเจ้าของเลเยอร์ที่มีตัวเลือกที่มีโครงสร้าง เนื่องจากเลเยอร์นั้นอยู่ด้านหน้าของทุกสิ่ง: รองรับการคัดแยก การประมวลผลเอกสาร การเรียกเครื่องมือ การกลั่นกรอง การตรวจสอบการปฏิบัติตามข้อกำหนด

เศรษฐศาสตร์เป็นประเด็น โมเดลการให้เหตุผลสามารถตอบโมเดลการตัดสินใจในเรื่องความแม่นยำได้ แต่เมื่อมีปริมาณมาก เวลาแฝงและต้นทุนก็ทำให้โมเดลนี้กลายเป็นเครื่องมือที่ผิดสำหรับการจัดหมวดหมู่รายวันหลายล้านรายการ โมเดลการตัดสินใจแลกเปลี่ยนข้อมูลอัจฉริยะทั่วไปสำหรับคำตอบที่มีการปรับเทียบ ไม่แปรผัน และแบบโทรออกครั้งเดียว และดังที่การอภิปรายของ Hacker News แสดงให้เห็น ผู้ซื้อกำลังให้คะแนนการแลกเปลี่ยนนั้นด้วยเกณฑ์มาตรฐานจริงและปริมาณงานจริง

Decider v1.3 จะอยู่หรือตายตามดัชนีชี้วัดเหล่านั้น แต่หมวดเองก็มาถึงชัดเจนแล้ว

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →