🤖 عرضه مدل Decision-1 توسط مایکروسافت
مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.
کاربردهای این مدل شامل موارد زیر است:
- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی
Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.
این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.
#Microsoft_Decision_1 #Qwen3_5
مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.
کاربردهای این مدل شامل موارد زیر است:
- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی
Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.
این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Microsoft_Decision_1 #Qwen3_5
🤖 سیستم WorkForge برای آموزش خودکار عوامل هوش مصنوعی
پروژه WorkForge روشی برای تولید خودکار محیط‌های تمرینی از روی فایل‌ها و گردش‌کارهای واقعی ارائه داده است. این سیستم با تحلیل اسناد، حقایق قابل‌بررسی را استخراج و بر اساس آن‌ها، تسک‌ها و معیارهای ارزیابی طراحی می‌کند.
این رویکرد شامل چهار مرحله اصلی است:
* گردش کار کارشناس: تعریف حوزه‌ها، اهداف و خروجی‌های مورد انتظار.
* سنتز محیط: ساخت فضای کاری شامل ابزارها، فایل‌ها و وضعیت اولیه با استفاده از یک عامل فراخوانی.
* تولید تسک: ایجاد دستورالعمل‌ها و ماژول‌های ارزیابی شامل قاضی برنامه‌نویسی‌شده و معنایی.
* تولید مسیر اجرا: تعامل عامل حل‌کننده با محیط و امتیازدهی به خروجی‌ها.
ارزیابی‌ها نشان می‌دهد پس از آموزش مدل
#WorkForge #Qwen3_5
پروژه WorkForge روشی برای تولید خودکار محیط‌های تمرینی از روی فایل‌ها و گردش‌کارهای واقعی ارائه داده است. این سیستم با تحلیل اسناد، حقایق قابل‌بررسی را استخراج و بر اساس آن‌ها، تسک‌ها و معیارهای ارزیابی طراحی می‌کند.
این رویکرد شامل چهار مرحله اصلی است:
* گردش کار کارشناس: تعریف حوزه‌ها، اهداف و خروجی‌های مورد انتظار.
* سنتز محیط: ساخت فضای کاری شامل ابزارها، فایل‌ها و وضعیت اولیه با استفاده از یک عامل فراخوانی.
* تولید تسک: ایجاد دستورالعمل‌ها و ماژول‌های ارزیابی شامل قاضی برنامه‌نویسی‌شده و معنایی.
* تولید مسیر اجرا: تعامل عامل حل‌کننده با محیط و امتیازدهی به خروجی‌ها.
ارزیابی‌ها نشان می‌دهد پس از آموزش مدل
Qwen3.5-35B-A3B-Base با این داده‌ها، امتیاز GDPVal از ۴۵.۵ به ۷۳.۶ و امتیاز APEX Score از ۵.۰ به ۲۱.۳ افزایش یافته است. این سیستم تاکنون ۱۶.۷ هزار محیط در ۴۰ حوزه تخصصی و با ۶۰ نوع فایل مختلف ایجاد کرده است.🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#WorkForge #Qwen3_5