کله چې د OpenAI، Anthropic او Google د دریو لویو AI شرکتونو مخکښ ماډلونه په یوه سیالۍ کې سره مخامخ شي، څوک ښه روبوټ کنټرولولی شي؟
د اکتوبر په 20مه، د ميفنګ ټیکنالوژۍ، Hugging Face، NVIDIA، د Tsinghua پوهنتون او نږدې 20 نړیوالو پوهنتونونو، شرکتونو او څیړنیزو مؤسسو په ګډه لخوا رامنځته شوي د ا corporal جګړې ډګر RoboColiseum د دې دورې ارزونې پایلې اعلان کړې: Claude Opus 5.5 په څلورو مخکښو ماډلونو کې په ټولیز ډول لومړی ځای خپل کړ، GPT-6 Astra ورپسې دی.
په جلا ډول، په څلورو مخکښو ماډلونو کې، GPT-6 Astra په لارښوونو تعقیب او ټولیز ګډوډي تطابق کې مخکښ دی، چې د لارښوونو تعقیب نمرې یې 99.35 ته رسیدلي؛ Opus په فضایي پوهه او عمومي عملیاتو کې ښه فعالیت کړی، او د ټولو دورو ارزونې ترټولو لږ token مصرف سره د مخکښې ډلې ټولیز لومړی ځای خپل کړی. د انځور کیفیت د ګډوډۍ ازموینې کې، GPT-6.1 Sol د نورو دریو ماډلونو په پرتله په واضح ډول وروسته پاتې دی، چې د بصري معلوماتو بدلونونو په وړاندې د مختلفو ماډلونو د ثبات توپیر ښیي.
خو د دې دورې ټولیزې درجې لومړي دوه ځایونه لا هم د ا corporal ستراتیژۍ ماډلونو لخوا نیول شوي، په ځانګړې توګه په عمومي عملیاتو اړخ کې خپل برتري ساتي.
دا ګډه سیالۍ صنعت ته د عمومي لویو ماډلونو او ا corporal ستراتیژۍ ماډلونو د وړتیا ګټو او کمزوریو په اړه مستقیمه مرجع چمتو کوي.
RoboColiseum د لارښوونو تعقیب، فضایي پوهه، ګډوډي تطابق او عمومي عملیاتو په شاوخوا کې، څلور ډوله وړتیا فرعي جدولونه، 78 لوړ دقیقیت لرونکي سیمولیشن ارزونې دندې وړاندې کوي، چې د ماډلونو جلا فعالیتونه ښیي او همدارنګه د دندو د بشپړیدو ګامونه او د ناکامۍ ځایونه ثبتوي، ترڅو پراختیا کونکو سره مرسته وکړي چې د ماډلونو د وړتیا کمزوري ګړندي ومومي.
د ګډ بنسټ ایښودونکي په توګه، ميفنګ RoboColiseum ته لوړ دقیقیت لرونکي شیان او سیمولیشن صحنې چمتو کوي، د پیچلو روبوټ عملیاتي دندو د ارزونې چاپیریال جوړولو ملاتړ کوي، او د مختلفو شیانو تعامل، فضایي ترتیب او چاپیریالي شرایطو لاندې د ماډل وړتیا ازموینې لپاره بنسټیز منابع چمتو کوي.
ایا په سیمولیشن کې د ماډلونو نمرې کولی شي په ریښتیني عملیاتي فعالیت انعکاس وکړي، دا هم د ارزونې کلیدي ده. د پلیټ فارم لخوا خپاره شوي ریښتیني ازموینې پایلو له مخې، د RoboColiseum سیمولیشن ارزونې او ریښتیني ماشین ځای پرځای کولو ترمنځ اړیکه 89.5٪ ته رسیدلې، ورته ماډل په سیمولیشن او ریښتیني نړۍ کې د ارزونې توپیر له 10٪ څخه کم دی، کولی شي پراختیا کونکو ته د ریښتیني ماشین ازموینې ته د ننوتلو دمخه د ماډل غربیل کولو او ستونزو موندلو لپاره مرجع چمتو کړي.
ميفنګ ټیکنالوژۍ د "بشپړ او ښه او ګړندي" معلوماتو چمتو کولو سیسټم وړاندې کوي، چې د ریښتیني ماشین، سیمولیشن او بې جسد درې لوی معلوماتي نمونې پوښي. د سیمولیشن په برخه کې، ميفنګ د شیانو او چاپیریالي شیانو دوه ډوله منابع وړاندې کوي، چې ډیری ورځني توکي او داخلي صحنې پوښي، او د صحنې بیا رغولو، د متخصصو轨迹 معلوماتو ترلاسه کولو او د ارزونې پایلو لیدلو وړتیاوې وړاندې کوي، ترڅو د ماډل ټیمونو سره مرسته وکړي چې متنوع روزنه او ارزونه ترسره کړي.
Coliseum په اصل کې د لرغوني روم ګردي سیالي ډګر ته اشاره کوي، RoboColiseum دا د یوې تصور په توګه کاروي، د څو اړخیز سیسټم ارزونې سیسټم جوړوي، د ریښتیني ماشین فعالیت سره خورا مطابقت لرونکي سیمولیشن ارزونې سره، د ا corporal هوښیارتیا ماډلونو لپاره یو عامه، بې طرفه او بیا تولیدیدونکی "سیالي ډګر" او "روزنیز ډګر" جوړوي. هر پوهنتون، څیړنیز مؤسسه یا شرکت پراختیا کونکی کولی شي خپل ماډل پکې وسپاري، ترڅو د یوې معیاري "ازموینې" سره مخامخ شي. د اګست له پیل راهیسې، له 100 څخه ډیر کورني او بهرني ټیمونه په پلیټ فارم کې د ماډل روزنه او ارزونه ترسره کوي.
RoboColiseum اوس مهال نړیوالو پراختیا کونکو ته خلاص دی، د ماډل ټیمونه د ارزونې کې د ګډون لپاره ښه راغلاست.
