LLM هشت‌میلیاردی از گروه مدل زبانی «درنا» به نسخه ۲ ارتقا پیدا کرد 

به گزارش مرکز تحقیقات هوش مصنوعی پارت، با ارتقا این مدل زبانی به نسخه دوم، چندین قابلیت جدید به آن افزوده شده و عملکرد کلی آن را به‌صورت چشمگیری بهبود یافته است. مدل‌های بزرگ زبانی فارسی توانسته‌اند طی ماه‌های گذشته، جایگاه خود را در زیست‌بوم هوش مصنوعی کشور تثبیت کنند و در بسیاری از ابزارهای هوشمند مورد استفاده قرار بگیرند. به دنبال این، کاربران فارسی‌زبان هم ارتباط مؤثری با این ابزارها برقرار کرده‌اند و اغلب سرویس‌های باکیفیت هوش مصنوعی، در جلب نظر مخاطبان موفق ظاهر شده‌اند. بخش زیادی از این موفقیت را می‌توان وابسته به زیرساخت‌هایی مانند LLMها دانست که به‌صورت رایگان و متن‌باز در دسترس توسعه‌دهندگان داخلی قرار گرفته و فرصت رقابت پایاپای با سرویس‌های مطرح خارجی را برای آنها فراهم کرده است.

تمامی مدل‌های این گروه، مراحل آموزش، توسعه و به‌روزرسانی خود را به صورت اختصاصی در مرکز تحقیقات هوش مصنوعی پارت طی کرده‌اند و به منظور دستیابی به بالاترین کیفیت در زبان فارسی، بهینه‌سازی شده‌اند.

مدل بزرگ زبانی ۸ میلیارد پارامتری از گروه درنا، در به‌روزرسانی بزرگ خود به نسخه ۲ با پیشرفت‌های بسیاری همراه است. یکی از مهم‌ترین ارتقا‌های نسخه جدید، مرتبط با طول داده‌های ورودی (Context length) مدل است که با یک جهش ۱۶ برابری، از ۸ هزار به ۱۲۸ هزار توکن افزایش پیدا کرده است. این رشد چشمگیر تعداد توکن‌ها به مدل کمک می‌کند تا درخواست‌های طولانی‌تری را دریافت کند و پاسخ‌های دقیق‌تری در جواب پرسش کاربران ارائه دهد.

علاوه‌براین، توسعه‌دهندگان این امکان را دارند تا با استفاده از نسخه دوم مدل ۸ میلیارد پارامتری، سرویس‌های شخص ثالث و API‌های مختلف را به محصول خود متصل کنند و طیف وسیعی از خدمات گوناگون را به صورت واحد در دسترس کاربران خود قرار دهند. برای مثال، یک چت‌بات هوشمند می‌تواند با استفاده از API مراکز فروش بلیت هواپیما، مناسب‌ترین گزینه را بر اساس قیمت و تاریخ سفر کاربر به او پیشنهاد کند و در صورت تأیید، بلیت موردنظر را در لحظه رزرو کند.

مدل بزرگ زبانی ۸ میلیارد پارامتری در سنجه Persian LLM Leaderboard پارت نیز مورد ارزیابی قرار گرفته و نتایج عملکرد آن هم‌اکنون در صفحه هاگینگ‌فیس قابل مشاهده و بررسی است.

عضو جدید گروه مدل «توکا» برای توسعه‌دهندگان شخصی

پارت در کنار عرضه مدل‌های بزرگ‌مقیاس برای استفاده‌های حرفه‌ای و سازمانی، توجه ویژه‌ای هم به توسعه‌دهندگان شخصی و کسب‌وکارهای نوپا دارد. این دسته از توسعه‌دهندگان اغلب به سخت‌افزارهای پیشرفته و گران‌قیمت دسترسی ندارند و نیازمند ابزاری هستند که با استفاده از سیستم‌های شخصی هم قابل‌استفاده باشد. به همین منظور، عضو جدید گروه مدل زبانی «توکا» تحت عنوان مدل «اس‌برت (SBert)» به‌صورت متن‌باز عرضه شده تا امکان توسعه چت‌بات‌های هوشمند را برای طیف وسیعی از توسعه‌دهندگان فراهم کند.

توکا در عین عملکرد درخشان خود، از حجم پایینی برخوردار است و این ویژگی باعث می‌شود تا در سیستم‌های مختلفی قابل پیاده‌سازی باشد. تمامی سرویس‌های چت‌بات، فارغ از شکل فعالیت خود و یا استفاده از مدل‌های داخلی و خارجی، نیازمند به‌کارگیری این نوع از مدل‌های زبانی هستند؛ حال به لطف توکا، این مدل می‌تواند  به‌صورت لوکال مورد استفاده قرار بگیرد و با منابع و سخت‌افزار محدود اجرایی شود. تمامی این موارد، توکا را به گزینه‌ای مناسب برای استفاده در زمینه RAGها و چت‌بات‌های پاسخگو به پرسش‌های متداول (FAQ) تبدیل می‌کند.

برای دسترسی به مدل‌های متن‌باز «اس‌برت از گروه توکا» و «نسخه دوم از LLM هشت میلیارد پارامتری گروه درنا»، کلیک کنید.