همبنیانگذار ChatGPT مدل Jev را برای منطق برنامهپذیر معرفی کرد
شرکت TypeSafe مدل Jev را برای تصمیمگیری ساختیافته در نرمافزارهای عملیاتی عرضه کرده است؛ مدلی که بهجای تولید متن، خروجیهای نوعدار و احتمالدار ارائه میکند.
شرکت TypeSafe پس از دو سال فعالیت پنهانی، مدل Jev را برای اجرای تصمیمهای ساختیافته در کدهای عملیاتی معرفی کرده است. این شرکت را دیوگو آلمیدا، از مشارکتکنندگان اولیه ChatGPT و عضو پیشین OpenAI، بنیان گذاشته است.
برخلاف مدلهای زبانی مکالمهای که متن را توکنبهتوکن تولید میکنند، Jev یک وضعیت ساختنیافته را میگیرد و مقادیر ساختیافته و سازگار با نوع داده را در یک پرسوجوی موازی برمیگرداند. TypeSafe میگوید این طراحی میتواند خطاهای نحوی، نیاز به تجزیه خروجی و بخشی از خروجیهای نامعتبر را در فرایندهای خودکار کاهش دهد؛ این ادعاها فعلاً عمدتاً بر توضیحات و ارزیابیهای خود شرکت استوار است.
نمونهبرداری موازی و RLCD
به گزارش AI News، Jev با روشی موسوم به «یادگیری تقویتی برای تصمیمهای کالیبرهشده» یا RLCD آموزش دیده است. هدف این روش آن است که امتیاز اطمینان مدل با دقت واقعی تصمیمها همبستگی داشته باشد. نمونهبردار سختافزارمحور مدل گزینههای ساختیافته را همزمان ارزیابی میکند و طبق اعلام شرکت، انتخاب میان حداکثر ۲۵۵ گزینه گسسته را پشتیبانی میکند.
خروجی Jev به طرحوارههای ازپیشتعریفشده محدود میشود. بنابراین کاربرد هدف آن تولید متن عمومی نیست، بلکه مسائلی مانند شاخهبندی خودکار، انتخاب گزینه، تأیید خروجی و استخراج ویژگی بلادرنگ است؛ حوزههایی که قواعد دستنویس ممکن است شکننده باشند و یک مدل مکالمهای نیز سربار و عدمقطعیت بیشتری ایجاد کند.
اعداد عملکرد، با یک قید مهم
TypeSafe از تأخیر انتهابهانتهای ۷۰ تا ۵۰۰ میلیثانیه در سرورهای ساحل غربی خود و اجرای برخی گردشکارها تا ۱۹۳٫۶ برابر سریعتر از مبناهای مکالمهای خبر داده است. همچنین قیمت ورودی را ۰٫۰۴۲ دلار بهازای هر یک میلیون توکن اعلام کرده و برای خروجی ساختیافته هزینه توکنی جداگانه در نظر نگرفته است. این ارقام حاصل آزمونهای منتشرشده یا داخلی شرکتاند و بدون ارزیابی مستقل و جزئیات کامل محیط آزمون نباید به همه کاربردها تعمیم داده شوند.
آزمایشها و دسترسی اولیه
نمایشهای فنی Jev شامل کنترل یک عامل واکنشی در بازی Doom با نرخ ۱۰ پرسوجو در ثانیه و آزمایش Wikiracing برای انتخاب پیوند در مسیرهای متراکم بوده است. شرکت همچنین پردازش داده در مقیاس بزرگ، لایههای اعتبارسنجی و منطق شاخهای خودکار را از کاربردهای هدف میداند.
TypeSafe دسترسی اولیه توسعهدهندگان را باز کرده و پذیرش تیمهای مهندسی حاضر در فهرست انتظار را آغاز کرده است. ارزش عملی معماری Jev زمانی روشنتر میشود که نتایج مستقل، کیفیت کالیبراسیون و عملکرد آن در بارهای واقعی و متنوع منتشر شود.

منبع: AI News