مدل مالی Samaya Sterling معرفی شد؛ عملکردی بهتر از Claude با هزینه‌ای ۱۱ برابر کمتر

معرفی

Samaya Sterling یک مدل پس‌آموزش‌دیده برای پژوهش‌های مالی مبتنی بر ایجنت‌ها است که در تاریخ ۲۹ اکتبر ۲۰۲۶ توسط استارتاپ Samaya AI معرفی شد. این مدل بر پایه مدل متن‌باز Nemotron 3.5 Lightning انویدیا (یک مدل ۳۰ میلیارد پارامتری با معماری MoE که در هر لحظه تنها ۳ میلیارد پارامتر فعال دارد) توسعه یافته و در کنار بستر اختصاصی ابزارهای مالی Samaya آموزش دیده است.

مدل Sterling در بنچمارک ارزیابی آزاد FrontierFinance (شامل ۲۲۰ سؤال تخصصی سرمایه‌گذاری که بر اساس معیارهای کارشناسی سنجیده می‌شوند) با کسب امتیاز ۵۸٫۹ درصد در صدر جدول ایستاد و بالاتر از مدل Claude Fable 5.1 با امتیاز ۵۵٫۹ درصد قرار گرفت؛ در حالی که هزینه پردازش هر سؤال در آن حدود ۱۱ برابر کمتر است.

یادداشت وبلاگ: وبلاگ Samaya AI درباره آموزش مدل با یاد‌گیری تقویتی · بنچمارک: جدول رده‌بندی FrontierFinance

بررسی جزئیات

نکات کلیدی

1. مدل پایه: مدل Nemotron 3.5 Lightning انویدیا با ۳۰ میلیارد پارامتر ترکیبی و ۳ میلیارد پارامتر فعال به‌همراه قابلیت تفکر، که با روش LoRA روی رابط کاربری Tinker توسعه‌یافته در Thinking Machines آموزش دیده است.
2. دستورالعمل آموزشی چهارمرحله‌ای: دو مرحله یاد‌گیری نظارت‌شده (شامل یاد‌گیری از ۸ مدل معلم برای نحوه پژوهش با ابزارهای مالی و جمع‌آوری پاسخ‌های مستند) و در ادامه بهره‌گیری از یاد‌گیری تقویتی آفلاین و آنلاین.
3. همگام‌سازی مدل و زیرساخت ابزارها: این بستر امکان دسترسی به ده‌ها ابزار مالی (۳۷ ابزار طبق فهرست‌های فنی) را فراهم می‌کند و زنجیره طولانی پردازش را فشرده می‌سازد تا یک مدل کوچک بتواند پژوهش‌های طولانی را مدیریت کند؛ روندی که در آن میانگین دفعات فراخوانی ابزارها از ۳ به ۱۷ بار افزایش یافت.
4. نتایج عملکرد: ارتقای امتیاز از ۴۲٫۵ درصد به ۵۸٫۹ درصد در بنچمارک FrontierFinance، به طوری که در حالت پردازش فشرده به ۶۰٫۶ درصد می‌رسد؛ هزینه هر پرسش ۰٫۶۱ دلار است (که سهم پردازش خود مدل تنها حدود ۰٫۰۴ دلار برآورد می‌شود) در مقایسه با ۶٫۸۹ دلار برای Fable 5.1، آن هم با زمان پاسخ‌دهی مشابه در حدود ۲۸۲ ثانیه.
5. بازتاب رسانه‌ای: پوشش گزارش‌های فنی توسط MarkTechPost، کانال‌های ارتباط با توسعه‌دهندگان انویدیا و فعالان حوزه هوش مصنوعی در شبکه اجتماعی X.

چرا این دستاورد اهمیت دارد؟

مدل Sterling یک گواه عینی و ملموس برای اثبات این فرضیه است که ترکیب یک مدل زبانی کوچک با ابزارهای تخصصی کارآمد می‌تواند بر مدل‌های غول‌پیکر و عمومی در حوزه‌های تخصصی و باارزش غلبه کند؛ دستاوردی که نام جدیدی را در صنعت هوش مصنوعی مالی به ثبت رسانده است.

نحوه استفاده و دسترسی

راهنمای بهره‌برداری

1. برای مشاهده فرمول دقیق آموزش و مستندات فنی، یادداشت منتشرشده در وبلاگ Samaya را مطالعه کنید.
2. عملکرد سیستم‌های مختلف را از نظر امتیاز، زمان پاسخ‌دهی و هزینه هر پرسش در جدول رده‌بندی FrontierFinance با یکدیگر مقایسه نمایید.
3. مدل Sterling در پلتفرم سرمایه‌گذاری Samaya برای فرآیندهایی نظیر غربالگری بازار، پژوهش‌های کلان اقتصادی و تحلیل شاخص‌های مالی شرکت‌ها قابل استفاده است؛ برای دسترسی به آن باید با تیم Samaya ارتباط برقرار کنید.
4. برای پیاده‌سازی این رویکرد، می‌توانید کار را با یک مدل سبک و متن‌باز مبتنی بر معماری MoE (مانند Nemotron 3.5 Lightning) آغاز کنید، بستر ابزارهای تخصصی حوزه هدف را بسازید، سپس آموزش نظارت‌شده را با الگوبرداری از مدل‌های برتر اجرا نموده و در نهایت فرایند یاد‌گیری تقویتی را روی وظایف معیارسنجی‌شده به پایان برسانید.