Meta-ի Muse Wonder-ը հիշում է երկար գործերը, բայց թեստերը դեռ վիճում են

|Հեղինակ: QUASA-ի խմբագրական թիմ|5 րոպե ընթերցանություն| 1
Meta-ի Muse Wonder-ը հիշում է երկար գործերը, բայց թեստերը դեռ վիճում են

Meta-ն 2026 թվականի հոկտեմբերի 12-ի ներկայացմամբ գործարկեց Muse Wonder և Muse Wonder Full մոդելները։ Muse Wonder-ը հասանելի է Meta Model API-ում և Muse Code-ում, իսկ Full տարբերակը՝ Muse Code-ի բաժանորդներին։ Active Memory-ն նախատեսված է զրույցների միջև կարևոր տեղեկությունը պահպանելու, Active Focus-ը՝ խոչընդոտների դեպքում երկարատև առաջադրանքը շարունակելու համար։

Artificial Analysis-ի անկախ ընդհանուր կարողությունների ինդեքսում Muse Wonder-ը ստացել է 52, Full-ը՝ 56, իսկ նախորդ Muse Spark 1.3-ը՝ 48 միավոր՝ առավելագույն դատողության ռեժիմում։ Արդյունքները ցույց են տալիս առաջընթաց այդ ինդեքսում։ Դրանք առանձին չեն չափում, թե որքան ճշգրիտ է մոդելը հիշում փոփոխված անձնական պայմանները հաջորդ զրույցներում կամ որքան հետևողական է ավարտում երկար գործը։

Ինչ են փոխում Active Memory-ն ու Active Focus-ը

Active Memory-ի խնդիրը նախորդ խոսակցությունից ընթացիկ գործին վերաբերող տեղեկությունը վերադարձնելն է։ Երկարատև գործակալը կարող է աշխատել մի առաջադրանքի վրա տարբեր զրույցներում, երբ օգտատիրոջ պահանջները փոխվում են կամ աշխատանքն ընդհատվում է։ Այդ դեպքում օգտակար հիշողությունը պետք է գտնի համապատասխան պայմանը և հաշվի առնի ավելի ուշ արված ուղղումը։

Այս հատկությունը տարբերվում է մեկ հարցման մեջ մեծ ծավալի տեքստ տեղավորելուց։ Գործակալը պետք է որոշի, թե անցած խոսակցությունից ինչն է կարևոր պահպանել, երբ դա նորից կիրառել և արդյոք տեղեկությունը դեռ արդիական է։ Օրինակ՝ եթե մարդը փոխել է բնակարանի վարձակալության իր պայմանները, հետագա պատասխանում հին նախապատվությունը որպես գործող պահանջ օգտագործելը կհանգեցնի սխալ ուղղության։ Սա հնարավոր կիրառության պայմանական օրինակ է, ոչ թե հրապարակված փորձարկման արդյունք։

Active Focus-ը վերաբերում է աշխատանքի ընթացքին։ Երբ ընտրված ճանապարհը փակվում է, գործակալը պետք է փորձի այլ մոտեցում, հարմարվի նոր տեղեկությանը և անհրաժեշտության դեպքում պարզաբանում խնդրի։ Երկար գործի համար երկու հատկությունները փոխկապակցված են. ճիշտ հիշված պայմանը արժեք ունի միայն այն դեպքում, երբ գործակալը կարողանում է դրան համապատասխան շարունակել աշխատանքը։

Ցուցադրված օրինակներից մեկում Muse Wonder-ը հարմարեցվող պատկերային մուտքերից ստեղծում է խաղարկելի եռաչափ խոհանոցային խաղ։ Դա ցույց է տալիս գործակալի նպատակադրված աշխատանքի տեսանելի արդյունք, սակայն ցուցադրությունից հնարավոր չէ գնահատել, թե նույն համակարգը ինչպես է թարմացնում հիշողությունը տարբեր օրերի զրույցների ընթացքում։ Այդ հարցին պետք է պատասխանի հիշողության առանձին փորձարկումը։

Որ մոդելին կարելի է միանալ

Մշակողի համար որոշիչ տարբերությունը մուտքի ուղին է։ Muse Wonder-ի API հասանելիությունը ինքնաբերաբար չի տարածվում Muse Wonder Full-ի վրա։ Հայտարարված տարբերակները հետևյալն են.

  • Muse Wonder — Meta Model API. Մոդելը կարելի է կանչել սեփական հավելվածից։
  • Muse Wonder — Muse Code. Մոդելը հասանելի է նաև Meta-ի կոդավորման միջավայրում։
  • Muse Wonder Full — Muse Code-ի բաժանորդագրություն. Full տարբերակի հայտարարված մուտքը կապված է այդ ծառայության բաժանորդի կարգավիճակի հետ։

Այս բաժանումը կարևոր է, եթե մշակողը ցանկանում է գործակալը ներառել սեփական ծրագրում։ API-ն այդպիսի միացման ուղի է, մինչդեռ Muse Code-ը առանձին աշխատանքային միջավայր է։ Full-ի ավելի բարձր ընդհանուր գնահատականը չի նշանակում, որ այդ տարբերակը հասանելի է նույն API-ով կամ որ սովորական Muse Wonder-ից կարելի է սպասել նույն արդյունքը։

Muse օգնականում Wonder-ի կիրառումը նախատեսված է ավելի ուշ՝ սկզբում բաժանորդների համար։ Դա դեռ չի փոխում ներկայում հայտարարված մշակողական մուտքի ուղիները։ Հայաստանի համար առանձին պայմաններ հրապարակված չեն, ուստի ընդհանուր հասանելիության հայտարարությունից հնարավոր չէ եզրակացնել, որ յուրաքանչյուր տեղական հաշիվ արդեն ունի նույն մուտքը։

Որտեղ են տարբերվում ընկերության և անկախ չափումները

Meta-ի մոդելային քարտում նշված են մեկ միլիոն տոկենի համատեքստային պատուհանը և MemoryBench-ի՝ 64 հազարից 100 հազար տոկեն ընդգրկող բազմափուլ զրույցները։ Այդ փորձարկման մեջ կան շեղող խոսակցություններ և մանրամասներ, որոնք հետագայում փոխվում են։ Այն ստուգում է անհրաժեշտ տեղեկությունը գտնելու ու թարմացնելու կարողությունը, մինչդեռ համատեքստային պատուհանի չափը միայն ցույց է տալիս, թե որքան նյութ կարող է տեղավորվել մեկ գործարկման մեջ։

FocusBench-ը ստուգում է, թե ինչպես է գործակալը հաղթահարում խոչընդոտներն ու հարմարվում փոփոխվող պայմաններին բնակարանային, ճանապարհորդական, տեխնիկական և ֆինանսական առաջադրանքներում։ SWE-Marathon-ը վերաբերում է երկարատև ծրագրային նախագծերի ավարտին, որի արդյունքը գնահատվում է նախագծի թեստերով։ Փոփոխված պայմանը հիշելը, խոչընդոտից հետո գործը շարունակելը և ծրագիրն ավարտելը տարբեր արդյունքներ են, ուստի դրանց գնահատականները փոխարինելի չեն։

Ընկերության հրապարակած համեմատություններում բոլոր մրցակիցները նույն պայմաններով չեն գործարկվել։ Մոդելային քարտը որոշ արդյունքների համար օգտագործում է արտաքին գնահատումներ կամ մատակարարների հրապարակած միավորներ, իսկ մյուսների համար՝ ներքին գործարկումներ։ Երկարատև ծրագրավորման առանձին համեմատության մեջ տարբեր մոդելներ աշխատել են տարբեր գործակալային գործիքներով։ Նման գնահատականը վերաբերում է մոդելի և աշխատանքային միջավայրի համատեղ արդյունքին։

Անկախ ընդհանուր ինդեքսը տալիս է մոդելների կարողությունների համեմատելի պատկեր, բայց դրա առաջադրանքները չեն կազմում Active Memory-ի և Active Focus-ի առանձին անկախ ստուգում նույն երկարատև պայմաններում։ Հետևաբար հրապարակված ընդհանուր առաջընթացն ու ընկերության երկարատև գործակալային աշխատանքի մասին պնդումները պետք է գնահատել ըստ այն հարցի, որին պատասխանում է յուրաքանչյուր փորձարկում։

Ինչ կարող է պահպանվել գործակալի հիշողության մեջ

Անձնական գործակալը կարող է աշխատել հաղորդագրությունների, օրացույցի գրառումների և մասնավոր փաստաթղթերի հետ։ Active Memory-ի օգտակարությունը հենց այդ համատեքստից անհրաժեշտ տեղեկությունը հետագա գործին վերադարձնելու մեջ է։ Նույն հնարավորությունն առաջացնում է գաղտնիության հարց. կարևոր է, թե որ տվյալն է պահպանվում, որքան ժամանակ է մնում արդիական և որ նոր առաջադրանքում է կրկին օգտագործվում։

Սխալ ընտրված կամ հնացած մանրամասը կարող է փոխել գործակալի հաջորդ պատասխանը կամ գործողության ուղղությունը։ Հատկապես զգայուն է այն իրավիճակը, երբ մեկ գործի համար տրված մասնավոր տեղեկությունը հայտնվում է այլ գործի համատեքստում։ Գաղտնիության ռիսկը, հետևաբար, կախված է ոչ միայն տեղեկության հասանելիությունից, այլև այն ընտրելու, թարմացնելու և վերօգտագործելու ձևից։

Մոդելի նկարագրված վարքագիծը ներառում է կարևոր գործողությունից առաջ օգտատիրոջը դիմելը և մասնավոր տեղեկության նկատմամբ զգուշավորություն ցուցաբերելը։ Այդ պաշտպանական նպատակների արդյունավետության մասին ավելի ամբողջական պատկեր կտան սպասվող անվտանգության լրացուցիչ գնահատումները։ Երկարատև հիշողության անկախ փորձարկման համար վճռորոշ կլինեն դեպքերը, երբ նախկին տեղեկությունը փոխվել է, իսկ գործակալը պետք է որոշի՝ ինչ պահել և ինչ այլևս չկիրառել։

Կարդացեք նաև:

Կիսվել:

Առնչվող հոդվածներ

Բաժանորդագրվեք մեր տեղեկագրին

Ստացեք Web3-ի, ԱԲ-ի և կրիպտոյի վերջին լուրերն անմիջապես ձեր էլ. փոստին։

0