د ژبې څو ماډل ماډل

تعریف

د څو اړخیزې ژبې ماډل د LLMs توسیع دی چې کولی شي په متن او نورو طریقو لکه انځورونو، آډیو یا ویډیو کې پروسس او تولید کړي.

هدف

موخه د مصنوعي ذهانت سیسټمونه رامینځته کول دي چې د خالص متن هاخوا د بډایه پوهاوي او تعامل وړتیا لري. دا ماډلونه د مجازی معاونینو، لاسرسي وسیلو، او روبوټکس لپاره ګټور دي.

اهمیت

• په ځوابونو کې د بصري او اوریدونکي شرایطو ادغام ملاتړ کوي.
• د بصري پوښتنو ځوابولو په څیر نوي غوښتنلیکونو ته ځواک ورکوي.
• د روزنې لپاره محاسباتي ګران او پیچلی.
• د LLMs څخه د وهم او تعصب خطرونه شریکوي.

څنګه کار کوي

1. لوی څو ماډلي ډیټاسیټونه راټول کړئ (متن + انځورونه/آډیو).
2. د ټرانسفارمرونو سره ټرین چې د ډیری طریقو لپاره تطبیق شوی.
3. د متقابل عمل لپاره د طریقو په اوږدو کې سرایتونه تنظیم کړئ.
4. په ځانګړو څو ماډلي دندو کې سمون راوستل.
5. د حقیقي نړۍ څو ماډل تعامل لپاره ځای پر ځای کړئ.

مثالونه (حقیقي نړۍ)

• GPT-4 د لید سره (OpenAI): متن او انځورونه پروسس کوي.
• فلیمینګو (ډیپ مائنډ): د څو ماډل کارونو لپاره د څو شیبو زده کړه.
• ګوګل جیمیني: د استدلال لپاره ډیری طریقې مدغم کوي.

حوالې / نور لوستل

• الایرک او نور. "فلمینګو: د بصري ژبې ماډل." ډیپ مائنډ.
• د OpenAI GPT-4 تخنیکي راپور.
• د بنسټیزو ماډلونو په اړه د سټینفورډ CRFM راپور.
• لوی څو ماډل ماډلونه (LMMs) څه شی دي؟