Perplexity, karar modeli ailesinin en yeni sürümü olan Decider v1.3 hakkında "Perplexity Decider v1.3: Eğitim, değerlendirme ve kullanım senaryoları" başlıklı ayrıntılı bir gönderi yayınladı. Gönderi Cuma günü Hacker News'in ön sayfasına çıktı ve geliştiricilerin kıyaslama sonuçlarını takas etmesi ve bu modellerin gerçekte nereye uyacağı konusunda tartışmasıyla saatler içinde 140'tan fazla puan aldı. Bu ve diğer son dakika yapay zeka haberleri hakkında daha fazla bilgi için, çıkan her modeli takip ediyoruz.
Dikkat, bir güncellemeden ziyade konunun ortaya çıkardığı şeyle ilgili: yalnızca bir yıl içinde, karar modelleri merak konusu olmaktan çıkıp kendi kıyaslamaları, kendi fiyatlandırma mantıkları ve artık Perplexity, TypeSafe, Microsoft, Google, Cloudflare ve OpenAI'yi içeren rekabetçi bir alanla kalabalık bir kategoriye dönüştü.
Bir Karar Modeli Aslında Ne Yapar?
En net tanım, Decision Index v2.1'in kategori için referans sıralama tablosu haline geldiği bağımsız değerlendirme laboratuvarı Yapay Analiz'den geliyor. Açıklayıcısında, bir karar modeli, sabit bir dizi seçenek içeren bir soruyu alır (örneğin, faturalandırmaya mı yoksa tekniğe mi yönlendirileceğini, acil olup olmadığını ve müşterinin ne kadar üzgün olduğunu soran bir destek bildirimi) ve tek bir aramada her seçenek için olasılık eklenmiş bir yanıt döndürür.
Genel amaçlı bir dil modeli ise bunun aksine, daha sonra ayrıştırılması gereken yapılandırılmış bir çıktı üretir ve bir akıl yürütme modeli, yanıt vermeden önce fazladan hesaplamalı düşünme harcar. Karar modelleri bunu atlıyor. Açıklamak için değil seçmek üzere eğitilmişlerdir; bu da onları her belgede, her istekte yüksek hacimde çalışacak kadar hızlı ve ucuz kılar.
Kategori Nasıl Ölçülüyor?
Kamuya açık bir metodoloji sayfasıyla güncellenen Yapay Analiz Karar Dizini v2.1, altı değerlendirmeyi yayınlanmış ağırlıklarla birleştiriyor: Kararlar ve bilgi çıkarma yoluyla 1.500 özgeçmiş, makbuz, fatura ve araştırma makalesini çalıştıran yüzde 30'luk AA-Ataş; TypeSafe'in işyeri belgeleriyle ilgili ONET değerlendirme değerlendirmesine dayalı olarak EvalSafe-ONET-AA yüzde 15; When2Call yüzde 10'da, NVIDIA'nın araç çağırma değerlendirmesi; AA-Omniscience-Decision v1.1 bilgi ve halüsinasyon için yüzde 15; HLE-MultiChoice v1.1 yüzde 15, İnsanlığın Son Sınavından reddetme seçeneğiyle birlikte yalnızca metinden oluşan çoktan seçmeli sorular; ve yüzde 15 düzeyindeki AA-Symmetry v1.1, bir kararın seçenekleri değiştirildiğinde, yeniden ifade edildiğinde veya reddedildiğinde geçerli olup olmadığını kontrol ediyor.
Bu son test anlatılacak şey. Seçeneklerin sırasını tersine çevirdiğinizde cevabını değiştiren bir model aslında karar vermek değil, kalıp eşleştirmedir. Kalibrasyon, değişmezlik ve ne zaman reddedileceğini bilmek, ikramiye değil, birinci sınıf gereksinimler olarak kabul edilir.
Hacker Haber Konusu Neler Ekliyor?
Perplexity ilk kez Ekim başında Hugging Face'te ailenin 27 milyar parametreli üyesi pplx-decider-v1-27b'yi açık ağırlıkla değerlendirdi, dolayısıyla topluluk bu modeller üzerinde haftalarca çalıştı. V1.3'e verilen tepkiler, bir heyecan döngüsünden ziyade sağlıklı bir pazar gibi okunacak şekilde karışıktı.
Bir geliştirici, Decider v1.3'ün, varlık çıkarma ve eşleştirme görevi için dahili değerlendirmelerinde hem v1.2'ye hem de TypeSafe Jev 1.14'e göre kazanımlar gösterdiğini bildirdi. Bir diğeri, yerel kriterlere göre iyi performans gösterdiğini ve rekabetçi bir şekilde fiyatlandırıldığını belirterek, iki yönlü dikkat mimarisinin karar çalışmalarına uygun olabileceğini belirtti. Diğerleri geri adım attı: Bir yorumcu v1.3'ün kullanım durumları açısından bir adım geri olduğunu buldu ve kamu endeksinin bunu kabul ettiğini söyledi; bir diğeri ise flash değişkenlerin kategorinin ucuz, doğru toplu kararlara ilişkin temel vaadini sulandırıp azaltmadığını sorguladı.
Konu aynı zamanda Cloudflare'in Clef karar modelleri ve Clairic çıkarma modeli, ScaleDown API, Liquid'in D1'i ve OpenAI'nin kendi karar modeli gibi çevredeki ekosistemi de gün yüzüne çıkardı; birkaç geliştirici, görev başına maliyeti ve doğruluğun yanı sıra kalibrasyonu da içeren Yapay Analiz endeksinin güvendikleri tek satıcılar arası karşılaştırma olduğunu belirtti.
Neden Önemlidir
Bu kategorinin yükselişini adım adım ele aldık: TypeSafe'in Jev system-one modeli, Microsoft'un Qwen üzerine kurulu Decision-1'i ve Google'ın Decisions API'si Gemini Decision-1 modeliyle. Perplexity gönderimi v1.3 modeli doğruluyor; artık her büyük yapay zeka platformu, yapılandırılmış seçimlerin yapıldığı katmana sahip olmak istiyor çünkü bu katman her şeyin önünde yer alıyor: destek önceliklendirme, belge işleme, araç çağırma, denetleme, uyumluluk kontrolleri.
Ekonomi asıl mesele. Bir akıl yürütme modeli, doğruluk açısından bir karar modelinden daha iyi yanıt verebilir, ancak yüksek hacimde gecikmesi ve maliyeti, onu milyonlarca günlük sınıflandırma için yanlış bir araç haline getirir. Karar modelleri, kalibre edilmiş, değişmez, tek çağrı yanıtları için genel zekayı takas ediyor ve Hacker News tartışmasının gösterdiği gibi, alıcılar artık bu ticareti gerçek kıyaslamalarla ve gerçek iş yükleriyle derecelendiriyor.
Decider v1.3 bu puan kartlarında yaşayacak ya da ölecek. Ancak kategorinin kendisi açıkça geldi.
---
Yapay Zekanın Önünde OlunEn son AI haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
