ရှီယု MiniMax M2.5 သုံးသပ်ချက်

အတိုချုပ်အဖြေ- အောက်သို့ အမြစ်တွယ်၍ အထက်သို့ ကြီးထွား

အခြေခံအခြေအနေ

ရှီယု၏ ယခင်မျိုးဆက် M2.1 သည် နည်းပညာဆိုင်ရာပြဿနာများကြောင့် ပရိုဂရမ်ရေးသားခြင်းတွင် သိသာထင်ရှားသောတိုးတက်မှုများရှိသော်လည်း ယုတ္တိဗေဒစွမ်းရည်သည် M2 ထက်နောက်ကျကျန်ခဲ့သည်။ ကံကောင်းထောက်မစွာပင် M2.5 သည် နည်းပညာဆိုင်ရာပြဿနာများကို အခြေခံအားဖြင့် ဖြေရှင်းနိုင်ခဲ့ပြီး စွမ်းရည်သည် ပုံမှန်လမ်းကြောင်းသို့ ပြန်လည်ရောက်ရှိခဲ့သည်။ M2 နှင့်နှိုင်းယှဉ်ပါက M2.5 ၏တိုးတက်မှုသည် ၁၇% ခန့်ရှိသည်။

သို့သော် တိုးတက်မှု၏အစိတ်အပိုင်းတစ်ခုသည် ပိုရှည်သော အတွေးအခေါ်ကွင်းဆက်များနှင့် ပိုမိုနက်ရှိုင်းသော ဖြေရှင်းနည်းနေရာရှာဖွေခြင်းတို့မှ ရရှိလာခြင်းဖြစ်သည်။ M2.5 ၏ပျမ်းမျှ Token သုံးစွဲမှုသည် စမ်းသပ်ဆဲမော်ဒယ်များအားလုံးတွင် အဆင့် ၆ အမြင့်ဆုံးဖြစ်ပြီး ပြိုင်ဘက် Sonnet ထက် ၂ ဆနီးပါးရှိသည်။ ကံကောင်းထောက်မစွာပင် ရှီယု၏ ကွန်ပျူတာစွမ်းအားကို အာမခံထားပြီး ကုန်ကျစရိတ်လည်းမကြီးပါ။ ပရိုဂရမ်ရေးသားခြင်းသည် Sonnet ကို အပြစ်အနာအဆာမရှိ အစားထိုးနိုင်ခြင်းမရှိသော်လည်း နေ့စဉ်အသုံးပြုရန်အတွက် လုံလောက်ပါသည်။ M2.5 သည် M2.1 ရရှိရန်ရည်ရွယ်ထားသောပန်းတိုင်ကို နောက်ဆုံးတွင် အောင်မြင်ခဲ့သည်။

ယုတ္တိဗေဒရမှတ်

*၁ ဇယားသည် နှိုင်းယှဉ်ဆက်စပ်မှုကို ပေါ်လွင်စေရန်အတွက် နှိုင်းယှဉ်နိုင်သော မော်ဒယ် အချို့ကိုသာ ပြသထားပြီး အပြည့်အစုံအဆင့်သတ်မှတ်ထားခြင်းမဟုတ်ပါ။

*၂ မေးခွန်းများနှင့် စမ်းသပ်နည်းလမ်းများအတွက်- ကြီးမားသောဘာသာစကားမော်ဒယ်- ယုတ္တိဗေဒစွမ်းရည် အလျားလိုက်သုံးသပ်ချက် ၂၆-၀၁ လစာရင်းကို ကြည့်ပါ။ #56 မေးခွန်းအသစ်ထပ်ထည့်ထားသည်။

*၃ အပြည့်အစုံစာရင်းကို https://llm2014.github.io/llm_benchmark/ တွင် အပ်ဒိတ်လုပ်ထားသည်။

*၄ အနီရောင်သည် တရုတ်နှစ်သစ်ကူးကာလအတွင်းသာ ကန့်သတ်ထားပြီး ပျော်ရွှင်မှုကိုကိုယ်စားပြုပြီး အခြားအဓိပ္ပာယ်မရှိပါ။

M2.1 သည် ချို့ယွင်းချက်ပါရှိသော ယုတ္တိဗေဒစွမ်းရည် အလွန်နည်းပါးသောဗားရှင်းဖြစ်သောကြောင့် အောက်ပါစာပိုဒ်များသည် M2 နှင့် M2.5 ၏ မျိုးဆက်အလိုက် နှိုင်းယှဉ်ချက်ကိုသာ ပြုလုပ်ပါမည်။

တိုးတက်မှုများ

• တည်ငြိမ်သော အကြောင်းပြချက်- M2.5 သည် ပိုရှည်သော အကြောင်းပြချက်လုပ်ငန်းစဉ်များတွင် မူလကန့်သတ်ချက်များနှင့် အကြောင်းအရာအသေးစိတ်အချက်အလက်များကို ထိန်းသိမ်းထားနိုင်သောကြောင့် ခက်ခဲမှုမမြင့်မားသော်လည်း