‏🚀 معرفی مدل قدرتمند dots3-note برای توسعه ایجنت‌های هوشمند

‏مدل جدید dots3-note به عنوان یک مدل MoE متن‌باز معرفی شده است که با هدف ارتقای قابلیت‌های ایجنت‌های هوشمند با عمر طولانی طراحی شده است. این مدل با ۲۸۰ میلیارد پارامتر (۱۶ میلیارد پارامتر فعال)، از پنجره کانتکست ۵۱۲ هزار توکنی بهره می‌برد و به صورت چندوجهی (متن، تصویر و صوت) عمل می‌کند.

‏یکی از ویژگی‌های کلیدی این مدل، استفاده از رویکرد TEMPO در یادگیری تقویتی (RL) است. این متد به ایجنت اجازه می‌دهد تا اقدامات خود را نقد کند، تصمیمات میانی را ارزیابی کرده و در وظایف پیچیده‌ای که نیاز به آزمون و خطای مداوم دارند، عملکرد بسیار بهتری داشته باشد. این مدل می‌تواند در محیط‌های ناشناخته به کاوش بپردازد، حافظه خود را در حین کار به‌روزرسانی کند و از ابزارها و کدنویسی در کنار ادراک چندوجهی بهره بگیرد.

‏توسعه‌دهندگان این مدل تأکید کرده‌اند که dots3-note در بنچمارک‌های استدلالی و ایجنتیک، با سیستم‌های بسیار بزرگ‌تر رقابت می‌کند.

‏مهم‌ترین موارد برای بررسی بیشتر:

‏* وبلاگ فنی و جزئیات عملکرد مدل
‏* دسترسی به وزن‌های مدل در Hugging Face
‏* مخزن گیت‌هاب شامل ابزارهای توسعه

‏همراه با این مدل، دو بنچمارک جدید به نام‌های VibeSearchBench و VibeLifeBench نیز منتشر شده‌اند که به‌طور خاص برای ارزیابی ایجنت‌های دنیای واقعی طراحی شده‌اند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#dots3_note #TEMPO