गोंधळाला आव्हान देण्यासाठी आणि तीव्रतेचा शोध घेण्यासाठी खोल खुल्या शोधाचे आगमन

फाउंडेशन फाउंडेशन ओपन सर्च (ओडीएस) मधील संशोधक, एक मुक्त स्त्रोत कार्यरत चौकट जो गोंधळ आणि विखुरलेला शोध यासारख्या कृत्रिम बुद्धिमत्ता समाधानाच्या गुणवत्तेशी सुसंगत असू शकतो. ओडीएस प्रगत विचार एजंट्ससह एलएलएमएस मॉडेल तयार करते जे प्रश्नांची उत्तरे देण्यासाठी वेब आणि इतर साधनांवर शोध वापरू शकतात.

सानुकूलित संशोधन साधने शोधत असलेल्या संस्थांसाठी, ओडीएस बंद व्यावसायिक समाधानासाठी एक खात्रीशीर आणि उच्च -कार्यक्षमता पर्याय प्रदान करते.

कृत्रिम बुद्धिमत्तेचा शोध देखावा

आधुनिक शोध साधने वेबवरील शोधासह ज्ञान आणि एलएलएम क्षमता एकत्रित करून पेरक्सिटी आणि CHATGPT अद्यतनित उत्तरे यासारख्या कृत्रिम बुद्धिमत्ता प्रदान करू शकतात. तथापि, ही निराकरणे सहसा रॉयल आणि बंद असतात, ज्यामुळे विशेष अनुप्रयोगांसाठी सानुकूलित करणे आणि दत्तक घेणे कठीण होते.

“बंद दारामागील कृत्रिम बुद्धिमत्ता संशोधनात बहुतेक नवकल्पना घडल्या आहेत. ऐतिहासिकदृष्ट्या मुक्त स्त्रोताच्या प्रयत्नांना वापरण्याची आणि कामगिरी करण्याच्या क्षमतेमध्ये उशीर झाला आहे.” “ओडीएसचे हे अंतर कमी करण्याचे उद्दीष्ट आहे, जे सूचित करते की ओपन सिस्टम त्यांच्या बंद समकक्षांशी गुणवत्ता, वेग, लवचिकता आणि अगदी बायपाससाठी स्पर्धा करू शकतात.

खोल आर्किटेक्चर (ओडीएस) उघडा

ओपन डीप सर्च (ओडीएस) एक कनेक्शन आणि खेळणी प्रणाली म्हणून डिझाइन केलेले आहे जे डीपसीक-आर 1 आणि जीपीटी -4 ओ आणि क्लॉड सारख्या बंद मॉडेल्स या दोन्ही ओपन सोर्स मॉडेल्ससह एकत्र केले जाऊ शकते.

ओडीएसमध्ये दोन मुख्य घटक समाविष्ट आहेत, त्या दोन्हीला एलएलएमचा फायदा होतो:

शोध साधन उघडा: हा घटक क्वेरी घेते आणि वेबवरील माहिती आठवते जी एलएलएमला संदर्भ म्हणून दिली जाऊ शकते. खुले शोध साधन शोध परिणाम सुधारण्यासाठी आणि मॉडेलचा संबंधित संदर्भ प्रदान करते हे सुनिश्चित करण्यासाठी काही प्रमुख प्रक्रिया पार पाडते. प्रथम, मूळ क्वेरीचे संशोधन आणि विविध दृश्यांचे कव्हरेज विस्तृत करण्यासाठी वेगवेगळ्या प्रकारे सुधारित केले गेले आहे. हे साधन नंतर शोध इंजिनचे परिणाम आणते, सर्वोच्च परिणामांमधून (उतारे आणि दुवा साधलेली पृष्ठे) संदर्भ काढते आणि सर्वात संबंधित सामग्री फिल्टर करण्यासाठी कटिंग आणि वर्गीकरण तंत्र लागू करते. यामध्ये विकिपीडिया, आर्क्सिव्ह आणि पबमेड सारख्या विशिष्ट स्त्रोतांसाठी देखील समर्पित उपचार आहेत आणि परस्पर विरोधी माहितीचा सामना करताना विश्वसनीय स्त्रोतांच्या प्राधान्यक्रमांचे निर्धारण करण्यासाठी ढकलले जाऊ शकते.

ओपन थिंकिंग एजंट: या एजंटला वापरकर्त्याची चौकशी प्राप्त होते आणि अंतिम उत्तर तयार करण्यासाठी मूलभूत एलएलएम आणि विविध साधने (मुक्त शोध साधनासह) वापरते. सेन्टियंट ओडीएसच्या आत कामगारांच्या दोन विशिष्ट रचना प्रदान करते:

ओडीएस-व्ही 1: हे रिलीझ आयडिया मालिकेत (सीओटी) विचारांसह प्रतिक्रिया एजंट फ्रेमवर्कचा वापर करते. प्रक्रियेसह विचारांच्या चरण (“कल्पना”) च्या प्रतिक्रिया घटकांचा संवाद (जसे की संशोधन साधन वापरणे) आणि नोट्स (साधन परिणाम). ओडीएस-व्ही 1 उत्तरापर्यंत पोहोचण्यासाठी वारंवार प्रतिक्रिया वापरते. जर रिएक्ट ग्राहक संघर्ष करीत असेल (जसे की स्वतंत्र न्यायाधीश मॉडेलद्वारे निश्चित केले जाते), ते सेल्फ -डिस्कला देय देण्यास अपयशी ठरते, जे मॉडेलच्या बर्‍याच सीओटी प्रतिसादांना मदत करते आणि बहुतेक वेळा दिसणार्‍या उत्तराचा वापर करते.

ओडीएस-व्ही 2: या आवृत्तीला कोड चेन (सीओसी) आणि कोडच्या एजंटचा फायदा होतो, जो मिठी मारणार्‍या स्मॉल्जेन्ट्स लायब्ररीचा वापर करून लागू केला जातो. सीओसी समस्यांचे निराकरण करण्यासाठी कोड तयार आणि अंमलात आणण्यासाठी एलएलएम क्षमतेचा वापर करते, तर कोडिएक्ट नियोजन प्रक्रियेसाठी सॉफ्टवेअर सूचनांच्या निर्मितीचा वापर करते. ओडीएस-व्ही 2 एकाधिक साधने आणि एजंट्स आयोजित करू शकतात, ज्यामुळे त्यांना प्रगत नियोजन आणि शक्यतो एकाधिक संशोधन पुनरावृत्तीची आवश्यकता असू शकते अशा सर्वात जटिल कार्यांवर प्रक्रिया करण्याची परवानगी मिळते.

“चॅटजीपीटी किंवा ग्रोक सारखी साधने संभाषण एजंट्सद्वारे” डीप सर्च “देतात, तर ओडीएस वेगळ्या थरात कार्य करते – कृत्रिम बुद्धिमत्तेच्या मागे पायाभूत सुविधांच्या जवळ – जे केवळ सारांश नव्हे तर स्मार्ट पुनर्प्राप्ती पुनर्संचयित करण्यासाठी कार्य करणारे मूलभूत आर्किटेक्चर प्रदान करते.”

कामगिरी आणि व्यावहारिक परिणाम

ओपन सोर्स डीपसेक-आर 1 मॉडेलसह त्याच्या मूल्यांकनद्वारे संवेदनशील ओडीएसचे मूल्यांकन केले गेले आणि ओपनई कडून पेबप्लेक्सिटी एआय आणि जीपीटी -4 ओ शोध तपासणी तसेच जीपीटी -4 ओ आणि एलएएमए -4 ओ आणि एलएएमए -3.1-70 बी सारख्या स्वतंत्र एलएलएमएसविरूद्ध चाचणी केली. प्रश्न सोडण्यासाठी त्यांनी साध्या चौकट आणि मानकांचा वापर केला आणि संशोधनास समर्थन देणार्‍या कृत्रिम बुद्धिमत्ता प्रणालींच्या अचूकतेचे मूल्यांकन करण्यासाठी त्यांना अनुकूल केले.

परिणाम ओडीएसची स्पर्धात्मकता दर्शवितात. ओडीएस-व्ही 1 आणि ओडीएस-व्ही 2, जेव्हा डीपसीक-आर 1 सह एकत्रित केले जाते, तेव्हा अग्रगण्य गोंधळ उत्पादनांना मागे टाकले. हे लक्षात घेण्यासारखे आहे की डीपसीक-आर 1 शी संबंधित ओडीएस-व्ही 2 ने जटिल टायर स्टँडर्डवरील जीपीटी -4 ओ शोध तपासणी ओलांडली आहे आणि जवळजवळ सिंपलक्यूएवरील त्याचा सामना.

फ्रेमची कार्यक्षमता ही एक मनोरंजक टीप होती. ओडीएसच्या दोन्ही आवृत्त्यांमधील विचार घटकांनी शोध साधन वापरुन सुज्ञपणे शिकले आहे आणि प्रारंभिक निकालांच्या गुणवत्तेच्या आधारे अतिरिक्त संशोधन आवश्यक आहे की नाही हे बर्‍याचदा ठरवते. उदाहरणार्थ, ओडीएस-व्ही 2 ने सर्वात अत्याधुनिक माहितीपूर्ण, बहुपक्षीय टायर्सच्या तुलनेत सिंपल सिंपलक्यूए कार्यांवर कमी ऑनलाइन शोधांचा वापर केला आहे, ज्यामुळे संसाधनांचा वापर सुधारतो.

संस्थेचा परिणाम

वास्तविक वेळेच्या आधारे पुरुष क्षेत्रासाठी मजबूत क्षमता मिळविण्याच्या प्रयत्नात असलेल्या संस्थांसाठी, ओडीएस एक आशादायक समाधान प्रदान करते जे कृत्रिम बुद्धिमत्तेला पारदर्शक, सानुकूलित आणि अत्यंत कार्यक्षमता पर्याय प्रदान करते. एलएलएम आणि आवडत्या साधने जोडण्याची क्षमता मुक्त स्त्रोत संस्थांना त्यांच्या कृत्रिम बुद्धिमत्ता मुख्यतेचे अधिक नियंत्रण देते आणि विक्रेत्यास लॉक करणे टाळते.

“ओडीएस युनिट्स लक्षात घेऊन बांधले गेले होते,” टियागी म्हणाले. “दाव्यात ऑफर केलेल्या वर्णनांच्या आधारे तो गतिकरित्या वापरला जाणे आवश्यक असलेली साधने निवडते. याचा अर्थ असा आहे की ते अपरिचित साधनांशी अस्खलितपणे संवाद साधू शकते-जोपर्यंत त्याचे वर्णन-पूर्वीचे वर्णन केले नाही.”

तथापि, हे कबूल केले आहे की जेव्हा साधनांचा संच “एक अतिशय अचूक डिझाइन कार्य” वाढविला जातो तेव्हा ओडीएस कामगिरी विघटित होऊ शकते.

सेन्सियंटने गीथबवर ओडीएस कोड सोडला.

“सुरुवातीला, गोंधळ आणि CHATGPT ची शक्ती ही त्यांची प्रगत तंत्र होती, परंतु ओडीएस सह आम्ही हे तंत्रज्ञान स्टेडियम निकाली काढले,” तहाजी म्हणाले. “आता आमच्या” ओपन इनपुट आणि ओपन आउटपुट “द्वारे त्यांच्या क्षमतांवर मात करण्याचे आमचे लक्ष्य आहे, ज्यामुळे वापरकर्त्यांना समर्पित एजंट्सना सहजपणे विस्तृत चॅटमध्ये समाकलित करण्याची परवानगी मिळते.”