کاکائو از مدل متن‌باز Kanana-2-v-decide برای تصمیم‌گیری سریع ایجنت‌های هوش مصنوعی رونمایی کرد

معرفی مدل Kanana-2-v-decide

مدل Kanana-2-v-decide، جدیدترین مدل تصمیم‌گیری چندوجهی شرکت کاکائو است که در تاریخ ۶ نوامبر ۲۰۲۶ به‌صورت متن‌باز منتشر شد. این مدل به‌جای تولید متن آزاد و طولانی، داوری‌ها و قضاوت‌های ساختاریافته‌ای در قالب احتمال، انتخاب گزینه‌ها یا امتیازدهی عددی ارائه می‌دهد تا ایجنت‌های هوش مصنوعی بتوانند ابزارهای مناسب را هدایت کنند، اولویت‌بندی تیکت‌های پشتیبانی را انجام دهند یا تصاویر محصولات را با سرعت بالا ارزیابی نمایند. علاقه‌مندان می‌توانند به بیانیه رسمی کاکائو و مجموعه ارائه‌شده در Hugging Face مراجعه کنند؛ وزن‌های این مدل تحت نام kakaocorp/kanana-2-v-decide-3b-2611 منتشر شده‌اند.

مهم‌ترین ویژگی‌های اعلام‌شده از سوی کاکائو عبارت‌اند از:

• توسعه‌یافته بر پایه مدل چندوجهی Kanana-2-v-3b با پشتیبانی هم‌زمان از ورودی‌های متنی و تصویری.
• طراحی مبتنی بر شباهت امبدینگ که امکان کش کردن بردارهای انتخاب را برای مجموعه‌های بزرگ برچسب فراهم می‌کند.
• میانگین تاخیر حدود ۰٫۰۴ ثانیه روی یک پردازنده گرافیکی H200 که طبق ادعای کاکائو، حدود ۴۳ برابر سریع‌تر از GPT-6 Luna عمل می‌کند.
• کسب رتبه نخست در بنچمارک اختصاصی Kanana Decision Bench با نزدیک به ۱۵٫۹ هزار نمونه کره‌ای و هم‌چنین شاخص عمومی Decision Index در مقایسه با مدل‌هایی نظیر Decision-1، Jev، pplx-decider و Solar Decide (بر اساس نتایج گزارش‌شده توسط توسعه‌دهنده).
• انتشار تحت مجوز متن‌باز و تجاری Kanana Open License برای استفاده آزاد شرکت‌ها و توسعه‌دهندگان.

مسئله اصلی: گلوگاه تصمیم‌گیری در ایجنت‌ها

بسیاری از گام‌های اجرایی در ایجنت‌های هوش مصنوعی صرفاً شامل کارهایی مانند «انتخاب ابزار مناسب»، «بررسی درستی یک گزاره» یا «امتیازدهی به یک ورودی» است. دریافت متن‌های تشریحی از مدل‌های زبانی عمومی و سپس استخراج یا پارس کردن پاسخ از درون آن‌ها، فرایندی کند و شکننده به‌شمار می‌رود. مدل‌های تصمیم‌گیری اختصاصی این مرحله کلیدی را به یک فرایند استاندارد، سریع و آماده تولید تبدیل می‌کنند.

مدل‌های هم‌رده و رقیب

این مدل در همان رده‌ای قرار می‌گیرد که پیش‌تر ابزارهایی چون Jev از شرکت TypeSafe AI، مدل Decision-1 مایکروسافت، ابزار pplx-decider از شرکت Perplexity و مدل Solar Decide از Upstage در آن عرضه شده بودند. مزیت رقابتی کاکائو، ماهیت چندوجهی این مدل، ارزیابی دقیق روی مجموعه‌داده بومی کره‌ای و عرضه آن با مجوز تجاری متن‌باز است.

محدودیت‌ها و چالش‌ها

• آمارهای مربوط به تاخیر و امتیازهای بنچمارک توسط خود سازنده گزارش شده‌اند؛ بنابراین توصیه می‌شود عملکرد مدل را روی دامنه‌ها و زبان‌های مدنظر خود به‌صورت مستقل ارزیابی کنید.
• این مدل جایگزینی برای تولید پاسخ‌های متنی تشریحی و خلاقانه نیست و منحصراً بر تصمیم‌گیری ساختاریافته تمرکز دارد.
• با توجه به مقیاس حدود ۳ میلیارد پارامتری، پردازش استدلال‌های بسیار پیچیده ممکن است همچنان نیازمند ارجاع به مدل‌های زبانی بزرگ‌تر به‌عنوان سیستم پشتیبان باشد.

این مدل برای چه کسانی مناسب است؟

• تیم‌های توسعه‌دهنده‌ای که به دنبال مسیریابی هوشمند ابزارها در ایجنت‌ها، تریاژ خودکار تیکت‌ها یا تصمیم‌گیری روی تصاویر محصولات هستند.
• تمام افرادی که به قضاوت‌های ساختاریافته با کمترین تاخیر زمانی و دسترسی به وزن‌های متن‌باز برای کاربردهای تجاری نیاز دارند.
• پژوهشگرانی که خط تولید مدل‌های Kanana متعلق به شرکت کاکائو را دنبال می‌کنند.

راهنمای شروع و پیاده‌سازی

1. مطالعه جزئیات فنی و مستندات در وبلاگ رسمی کاکائو.
2. دریافت وزن‌های مدل kanana-2-v-decide-3b-2611 از صفحه رسمی این مجموعه در Hugging Face.
3. اتصال خروجی‌های ساختاریافته احتمال، انتخاب گزینه‌ها و امتیازدهی به سامانه مسیریاب ایجنت خود.
4. کالیبراسیون و اعتبارسنجی مدل روی مجموعه‌داده برچسب‌های اختصاصی و ارزیابی مقایسه‌ای با آزمون‌های استاندارد نظیر Decision Index.