به گزارش سیلاد، مدل تازه درنا با کلاندادههای زبان فارسی (Big Data) آموزش دیده و عموم توسعهدهندگان و کسبوکارهای حوزه هوش مصنوعی میتوانند آن را بهصورت رایگان و متنباز قابل دریافت کنند.
به نقل از هوشیو، بسیاری از LLMهای مطرح دنیا که بهصورت منبعباز ارائه شدهاند، بر پایه زبان انگلیسی، زبانهای برنامهنویسی و برخی از زبانهای پرکاربرد جهانی آموزش دیدهاند و بهترین عملکرد خود را در چنین زبانهایی به نمایش میگذارند؛ به همین دلیل است که بسیاری از زبانهای زنده و محبوب مانند فارسی با LLMها پشتیبانی نمیشوند یا در صورت پشتیبانی، با ایرادات بسیاری همراهند. در چنین موقعیتی، اهمیت مدلهایی مانند درنا که با تمرکز حداکثری بر زبان فارسی توسعه پیدا کردهاند، بیشازپیش مشخص میشود.
مرکز تحقیقات هوش مصنوعی پارت طی ماههای اخیر، گروه مدل بزرگ زبانی درنا و مدل زبانی توکا را معرفی کرده و قصد دارد با عرضه متنباز مدلی ۸ میلیارد پارامتری از گروه مدلهای درنا برای اکوسیستم هوش مصنوعی و کسبوکارها، روند ساخت محصولات مبتنی بر هوش مصنوعی فارسی را مانند دستیارها، چتباتها و دیگر ابزارهای هوشمند سادهتر و کارآمدتر از همیشه سازد.
ویژگیهای هوش مصنوعی درنا
این مدل زبانی بزرگ با ۸ میلیارد پارامتر، از جدیدترین معماری و فناوری روز دنیا درزمینهٔ مدلهای زبانی بهره میبرد که باعث میشود این مدل فارسی حتی در مقایسه با برخی مدلهای بزرگتر از خود، کارکرد بهتری داشته باشد و عملکردی دقیقتر از تمامی مدلهای فارسی منتشرشده تا به امروز ارائه دهد. بهعلاوه، این مدل درنا در مأموریت خود که توسعه بهینهترین مدلهای زبانی مبتنی بر فارسی است، دستاورد چشمگیری داشته و موفق شده است در شاخصهای زبان فارسی از بسیاری از مدلهای مطرح دنیا پیشی گیرد؛ تا جایی که نمره کلی بهمراتب بهتری در ارزیابی و مقایسه با مدلهایی همچون Meta Llama ۳ کسب کرده و در تعاملات زبان بومی و پسزمینههای فرهنگی ایرانی و فارسی، بهطور چشمگیری عملکرد بهتری نسبت به مشابههای خارجی دارد. جزئیات بیشتر درباره مقایسهها و ارزیابیهای این مدل درنا در صفحه مرکز تحقیقات هوش مصنوعی پارت در سایت هاگینگفیس قابلمشاهده است.
خلاصهسازی متون، کدنویسی، تشخیص احساسات، پاسخ به سؤالات طولانی، پرسش و پاسخهای بله و خیر، پاسخ به سؤالات عمومی، تاریخی، ریاضی، اخبار و… تنها بخشی از توانمندیهای این مدل بزرگ زبانی است و رفتهرفته با افزایش کاربران و اعمال بازخوردهای دریافتی، عملکرد بخشهای مختلف این مدل نیز بهطور مداوم بهبود پیدا میکند.
یکی از مهمترین ویژگیهای برنامههای متنباز، قابلیت شخصیسازی گسترده آنهاست و مدل ۸ میلیاردی گروه درنا هم از این قاعده مستثنا نیست. پارت این امکان را برای کسبوکارها، توسعهدهندگان و محققان فراهم کرده که این مدل متنباز را بر پایه دادههای خود شخصیسازی (بهاصطلاح Fine-tune) کنند و ویژگیهای گوناگونی را متناسب با کسبوکار و اهداف خود به مدل نهایی خود بیفزایند.
علاقهمندان میتوانند با مراجعه به لینک زیر، آخرین نسخه از این مدل زبانی را دریافت و آن را بهصورت رایگان، تست و ارزیابی کنند.
۵۴۵۴
