Sakana AI ओपन-सोर्स एल्गोरिथ्म जारी करता है जो कई AI मॉडल को जटिल कार्यों पर सहयोग करने देता है

Sakana AI ने मंगलवार को एक ओपन-सोर्स एल्गोरिथ्म जारी किया, जो कई कृत्रिम बुद्धिमत्ता (AI) मॉडल को जटिल समस्याओं पर सहयोग करने की अनुमति देता है। डब्ड एडेप्टिव ब्रांचिंग मोंटे कार्लो ट्री सर्च (एबी-एमसीटीएस), यह एक अनुमान-समय स्केलिंग या टेस्ट-टाइम स्केलिंग एल्गोरिथ्म है जो एआई मॉडल के मौजूदा फ्रेमवर्क में एक तीसरा आयाम जोड़ता है। इसके साथ, जब एक नई समस्या का सामना करना पड़ता है, तो सिस्टम न केवल यह तय करता है कि क्या लंबे समय तक तर्क उपयुक्त या व्यापक अन्वेषण है, बल्कि यह भी तय करता है कि कौन सा मॉडल कार्य के लिए सबसे उपयुक्त है। यदि समस्या बहुत जटिल है, तो यह कई एआई मॉडल को भी तैनात कर सकती है।

Sakana AI एल्गोरिथ्म जारी करता है जो AI मॉडल को सामूहिक रूप से सोचता है

में एक डाक एक्स पर (पूर्व में ट्विटर के रूप में जाना जाता था), टोक्यो-आधारित एआई फर्म ने इस बात पर प्रकाश डाला कि इसका नया इंफ़ेक्शन-टाइम स्केलिंग एल्गोरिथ्म एआई के लिए सामूहिक बुद्धिमत्ता के लिए एक वातावरण बनाता है जैसे कि फ्रंटियर मॉडल जैसे कि मिथुन 2.5 प्रो, ओ 4-मिनी और डीपसेक-आर 1 को सहयोग करने के लिए।

कंपनी एआई डोमेन में एक जटिल समस्या को हल करने के लिए निर्धारित करती है – कैसे अद्वितीय शक्तियों को संयोजित करें और उच्च प्रदर्शन प्राप्त करने के लिए एआई मॉडल के अद्वितीय पूर्वाग्रहों को समाप्त करें। Sakana AI कई वर्षों से इस समस्या पर शोध कर रहा है, और 2024 में, इसने “विकासवादी मॉडल विलय” पर एक पेपर प्रकाशित किया।

अब, अपने निष्कर्षों पर निर्माण, कंपनी ने एक एल्गोरिथ्म जारी किया है जो एक प्रणाली बनाता है जो एआई मॉडल को विशिष्ट बजट पर परीक्षण-समय की गणना करने की सुविधा देता है, उन्हें विभिन्न दृष्टिकोणों का पता लगाने के लिए कई आउटपुट उत्पन्न करने की सुविधा देता है, और यहां तक ​​कि उच्च प्रदर्शन प्राप्त करने के लिए कार्य के लिए उपयुक्त कई एआई मॉडल डालते हैं।

परियोजना पर काम करने वाले शोधकर्ता भी ARC-AGI-2 बेंचमार्क पर क्षमता का परीक्षण करने में सक्षम थे, जहां AB-MCTS सिस्टम ने O4-MINI, GENINI-2.5-PRO, और R1-0528 के संयोजन का उपयोग किया, और व्यक्तिगत मॉडल के प्रदर्शन को पार करने में सक्षम थे। सकान ऐ दावा किया जबकि O4-Mini ने स्वतंत्र रूप से 23 प्रतिशत समस्याओं को हल किया, यह AB-MCTS क्लस्टर का हिस्सा होने पर यह 27.5 प्रतिशत तक पहुंच गया।

Sakana AI ने अपने GitHub पर ट्रीक्वेस्ट एल्गोरिथ्म जारी किया है प्रविष्टि और अपने आर्क-एगी को भी साझा किया है प्रयोगों अलग से। अध्ययन से विवरण दिया गया है प्रकाशित Arxiv पर एक पेपर में।