تبدیل Gemma 4 به ابزار تصمیم‌گیری برق‌آسا در ۴۵ میلی‌ثانیه؛ رونمایی از مدل متن‌باز GEV-26B-Decide
آزمایشگاه هوش مصنوعی AutoTrust با معرفی مدل GEV-26B-Decide، مدل زبانی Gemma 4 را به یک سیستم تصمیم‌گیری دقیق و کالیبره‌شده تبدیل کرده است. این مدل با معماری دوگانه می‌تواند در کم‌تر از ۴۵ میلی‌ثانیه احتمال درستی هر گزینه را بسنجد و در صورت لزوم، تفکر گام‌به‌گام را برای حل مسائل پیچیده فعال کند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- آزمایشگاه AutoTrust AI مدل متن‌باز GEV-26B-Decide را بر پایه Gemma-4-26B عرضه کرده که پرسش‌ها را مستقیماً به توزیع احتمالات دقیق میان گزینه‌ها تبدیل می‌کند.
- این مدل از معماری دوگانه (سیستم ۱ و ۲) بهره می‌برد؛ در حالت سریع تنها ظرف ۴۵ میلی‌ثانیه و بدون تولید توکن تصمیم می‌گیرد، و اگر اطمینانش پایین باشد وارد فاز استدلال عمیق می‌شود.
- خروجی این سیستم کاملاً کالیبره‌شده است؛ یعنی اگر سیستم با احتمال ۸۰ درصد تصمیمی بگیرد، در ۸۰ درصد مواقع کاملاً درست عمل خواهد کرد که برای ایجنت‌ها و اتوماسیون فوق‌العاده کاربردی است.
تبدیل مدل Gemma 4 به یک API تصمیم‌گیری دقیق و کالیبره‌شده با GEV-26B-Decide
آزمایشگاه هوش مصنوعی AutoTrust مدل متن‌باز و وزن‌های آزاد GEV-26B-Decide را که بر پایه مدل Gemma-4-26B-A4B-it توسعه یافته، منتشر کرده است. این مدل پرسش‌های متنی یا تصویری را مستقیماً به توزیع احتمالات روی گزینه‌های مشخص نگاشت می‌کند و در صورتی که احتمال گزینه برتر از یک آستانه اطمینان مشخص پایین‌تر بیاید، فرایند استدلال گام‌به‌گام را فعال می‌سازد.
برنامه‌ها و سیستم‌های نرم‌افزاری می‌توانند از این احتمالات عددی برای هدایت موارد نامطمئن، انتخاب بهترین اقدام و رهایی از دردسرهای پردازش متن‌های خروجی (مانند استخراج گزینه‌های «الف» یا «ب») استفاده کنند. مفهوم کالیبراسیون در اینجا به این معناست که اگر مدل برای یک پیش‌بینی ۸۰ درصد اطمینان قائل شود، این پاسخ در حدود ۸۰ درصد مواقع واقعاً درست خواهد بود.
- اندپوینت اختصاصی تصمیم‌گیری: مسیر سفارشی
POST /v1/decideدر کنار مسیرهای سازگار با استانداردهای اوپن‌ای‌آی (OpenAI) - ورودی‌ها: پشتیبانی هم‌زمان از متن و تصویر با پنجره متنی حداکثر ۲۵۶ هزار توکن
- مسیر پردازش سریع: تنها یک عبور رو به جلو (Forward Pass) با زمان پاسخ‌دهی ثبت‌شده در حدود ۴۵ میلی‌ثانیه
- مجوز استفاده: مجوز آپاچی ۲.۰ (Apache-2.0) برای آداپتور، هِد تصمیم‌گیری و فایل‌های کالیبراسیون
- مدل پایه: شرایط استفاده مدل اصلی طبق ضوابط مستقل گوگل برای خانواده Gemma 4 مدیریت می‌شود
یک مدل پایه، دو مسیر استنتاج مجزا
تیم AutoTrust این دو مسیر استنتاج را «سیستم ۱» و «سیستم ۲» نام‌گذاری کرده است. سیستم ۱ توزیع احتمال را مستقیماً از وضعیت پنهان (Hidden State) مدل و تنها با یک عبور محاسباتی ساده استخراج می‌کند. در مقابل، سیستم ۲ از همان مدل بارگذاری‌شده در حالت تفکر عمیق (Thinking Mode) در Gemma 4 بهره می‌برد و وضعیت اولیه، پرسش و گزینه‌ها را به عنوان زمینه استدلال قرار می‌دهد. هر دو مسیر به‌طور کامل از ورودی‌های متنی و تصویری روی یک موتور مشترک vLLM پشتیبانی می‌کنند.
سیستم ۱ از سه الگوی تصمیم‌گیری پشتیبانی می‌کند:
نوع | کاربرد | فضای خروجی |
|---|---|---|
noul | پرسش‌های دوگزینه‌ای (بله/خیر) | Yes یا No |
choice | انتخاب از میان چند گزینه | ۲ تا ۲۵۶ گزینه مختلف |
score | امتیازدهی و رتبه‌بندی | از ۰ تا ۵ |
هر درخواست ارسالی، یک احتمال ریاضی دقیق برای تک‌تک گزینه‌های موجود بازمی‌گرداند. جالب اینجاست که سیستم ۱ هیچ توکنی تولید نمی‌کند؛ همین ترفند هوشمندانه باعث می‌شود تأخیر ناشی از رمزگشایی کلمات کاملاً حذف شود و نیازی به استخراج پاسخ از دل متون آزاد نباشد.
فرایند استنتاج تطبیقی همواره از مسیر سریع استفاده می‌کند، مگر آنکه دروازه اطمینان فعال شود:
- محاسبه توزیع اولیه: سیستم ۱ مقدار توزیع احتمال
p1را در یک عبور سریع رو به جلو تولید می‌کند. - اعمال دروازه اطمینان: اگر بالا‌ترین احتمال در
p1از آستانه پیش‌فرض0.8کم‌تر باشد، سیستم ۲ وارد میدان می‌شود. - استدلال در چارچوب بودجه مشخص: پارامتر
think_budgetسقف مشخصی برای تعداد توکن‌های تفکر تعیین می‌کند تا زمان هدر نرود. - ترکیب نتایج: با پایان فاز تفکر، مدل توزیع احتمال دوم یعنی
p2را استخراج کرده و خروجی نهایی را با فرمولp = 0.5p1 + 0.5p2محاسبه می‌کند.
این ترکیب متوازن ۵۰/۵۰ باعث می‌شود اطلاعاتِ ارزشمند مسیر سریع و کالیبره‌شده حفظ شود و در عین حال دقت استدلال عمیق نیز به تصمیم نهایی اضافه گردد.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
مدیر ارشد شرکت Tenable: ایجنت‌های هوش مصنوعی «یاغی» نیستند، شرکت‌ها دارند از زیر بار مسئولیت فرار می‌کنند!
با افزایش خرابکاری‌ها و فرار ایجنت‌های هوش مصنوعی از محیط‌های آزمایشی، شرکت‌های سازنده تلاش می‌کنند با چسباندن برچسب «یاغی» به مدل‌ها، خود را بی‌تقصیر نشان دهند. اما مدیر ارشد فناوری شرکت امنیتی تنیبل (Tenable) معتقد است این مدل‌ها اراده‌ای ندارند و ریشه اصلی این بحران‌ها، ضعف مهندسی، کنترل ضعیف دسترسی‌ها و نبود قوانین سخت‌گیرانه است.
معجزه ایجنت هوش مصنوعی میوز متا در شب امتحان: از برگه مچاله‌شده تا پادکست اختصاصی و نمره ۱۰۰!
یک پدر فلوریدایی با سپردن برگه درسی پسرش به ایجنت هوش مصنوعی جدید متا (Muse)، تجربه متفاوتی از یادگیری تعاملی خلق کرد. این دستیار هوشمند با طراحی فلش‌کارت‌های پویا و ساخت یک پادکست جذاب هفت‌دقیقه‌ای، باعث شد این دانش‌آموز برای نخستین بار نمره ۱۰۰ بگیرد. این ماجرا نشان می‌دهد که ایجنت‌های هوش مصنوعی چطور در حال دگرگون کردن وظایف روزمره والدین و آینده آموزش هستند.
ترفند بامزه غول‌های فناوری: کاراکترهای دوست‌داشتنی برای فراموش کردن ترس از هوش مصنوعی
شرکت‌های بزرگ هوش مصنوعی برای کم کردن ترس کاربران از بیکاری و خطرات آخرالزمانی، به ساخت مسکات‌ها و کاراکترهای عروسکی و بانمک روی آورده‌اند. از جولی در متا گرفته تا کاراکترهای نقطه‌ای اوپن‌ای‌آی، غول‌های فناوری تلاش می‌کنند هوش مصنوعی را به دوستی صمیمی و بی‌خطر تبدیل کنند. کارشناسان معتقدند این روان‌شناسی بامزگی به کاربران حس کنترل و آرامش بیشتری در برابر فناوری‌های پیچیده می‌دهد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.