رونمایی از Julia-1؛ مدل فسقلی و ۱۴۴ میلیونی سوپرسونیک لبز برای مسیریابی و دسته‌بندی بدون بازآموزی!

سوپرسونیک لبز از Julia-1 رونمایی کرد؛ یک مسیریاب معنایی با ۱۴۴ میلیون پارامتر

استارتاپ سوپرسونیک لبز (Supersonic Labs) از مدل جمع‌وجور Julia-1 رونمایی کرده؛ مدلی که می‌تونه از بین گزینه‌های پیشنهادی، بهترین جواب رو انتخاب کنه. این مدل با دریافت متن زمینه، سوال و بین ۲ تا ۲۰ گزینه مختلف، توانایی دسته‌بندی متن، مسیریابی درخواست‌ها، نمره‌دهی به معیارهای مرتب‌شده یا اتخاذ تصمیم‌های صفر و یکی (بولی) رو داره. مدل Julia-1 با مجوز متن‌باز آپاچی ۲.۰ عرضه شده، فقط ۱۴۴.۳ میلیون پارامتر داره و به راحتی روی سی‌پی‌یوی معمولی لپ‌تاپ یا با شتاب‌دهنده WebGPU مستقیماً توی مرورگر اجرا می‌شه.

مدل Julia-1 اولین عضو از خانواده مدل‌های Julia و نخستین خروجی عمومی از سیستم آموزشی سوپرسونیک لبز به حساب میاد. این مدل روی پایه mmBERT-small دانشگاه جانز هاپکینز (JHU CLSP) ساخته شده؛ یک انکودر چندزبانه مبتنی بر ModernBERT که متن‌ها رو به نمایش‌های عددی تبدیل می‌کنه. تیم سازنده یک لایه دسته‌بندی به اون اضافه کرده که به پاسخ‌های کاندید امتیاز میده و کل مدل رو با نمونه‌های فرمت تصمیم‌گیری آموزش داده. این انتشار شامل وزن‌های مدل و کدهای استنتاج میشه، در حالی که خط لوله آموزش همچنان به صورت اختصاصی باقی مونده.

برچسب‌ها همراه با هر درخواست از راه می‌رسند

هنگام اجرای مدل (زمان استنتاج)، Julia-1 یک وضعیت (state)، یک سوال (question) و گزینه‌های کاندید (options) رو دریافت می‌کنه و به ترتیب به اون‌ها نمره میده. از اونجا که معنای گزینه‌ها بخشی از خود درخواست هستن، برنامه‌ها می‌تونن بدون نیاز به آموزش مجدد مدل یا اضافه کردن یک لایه خروجی جدید، برچسب‌ها رو تغییر بدن.