Yapay zeka girişimi HyperWrite, Meta’nın açık kaynaklı Llama 3.1-70B Instruct’ına dayanan ve dikkat çekici bir performans sergileyen yeni dil modeli Reflection 70B’yi tanıttı. Matt Shumer liderliğindeki HyperWrite, Reflection 70B’nin, hatalarını kendi kendine düzeltebilen benzersiz bir hata düzeltme tekniği içerdiğini duyurdu.
Meta’nın Llama 3.1-70B üzerine kurulu
Reflection 70B, MMLU ve HumanEval gibi çeşitli kıyaslama testlerinde üstün başarı gösterdi. Bu testler, Reflection 70B’nin Meta’nın Llama serisindeki diğer modellerden sürekli olarak daha iyi performans sergilediğini ve önde gelen ticari modellerle yakın rekabet içinde olduğunu ortaya koydu. Ancak, duyurunun ardından modelin demo sitesine olan yoğun ilgi nedeniyle şu anda trafikte sorun yaşanıyor.
Özgün hata düzeltme teknikleri
Reflection 70B’nin adında yer alan “Reflection” ifadesi, modelin ürettiği metinleri değerlendirme ve doğruluğunu artırma yeteneğini ifade ediyor. Model, “Reflection ayarlaması” adı verilen bir teknik kullanarak kendi muhakemesindeki hataları tespit edebilir ve yanıtı sonlandırmadan önce düzeltmeler yapabilir.
Gerçek zamanlı akıl yürütme ve hata düzeltme
Bu yenilikçi özellikler, modeli yüksek doğruluk gerektiren görevler için özellikle uygun hale getiriyor. Model, akıl yürütme sürecini özel etiketler içinde görüntüleyerek gerçek zamanlı düzeltmeler yapılmasına olanak tanıyor, bu da hassasiyeti artırıyor.
Shumer ayrıca, Reflection 70B’nin geliştirilmiş versiyonu Reflection 405B’nin önümüzdeki hafta piyasaya sürülmesinin planlandığını açıkladı. HyperWrite, Reflection 70B’yi birincil yapay zeka yazma asistanı ürününe entegre etmek için çalışmalarını sürdürüyor. Shumer, modelin Meta’nın Llama 3.1-70B Instruct’ı üzerine kurulu olduğunu ve stok Llama sohbet formatını kullandığını, böylece mevcut araçlarla uyumluluğun sağlandığını belirtti.
Glaive’in katkıları
Glaive adlı girişim, kullanım senaryolarına özgü veri kümeleri oluşturma konusunda uzmanlaşarak Reflection 70B’nin geliştirme sürecini hızlandırdı. Glaive tarafından üretilen sentetik veriler, modelin eğitimini önemli ölçüde hızlandırdı ve bu katkı takdir topladı.
