A bɔyɔrɔ: Digital Times, sɛbɛnnikɛla Gu Bon-gyu
“AI startup Clevi, a sera GAIA la, a don na fɔlɔ 2.5%… o bɛ yɛrɛ kɛɲɛya kɛrɛnkɛrɛnnen jira” sɛbɛn in bɛ fɔ kokura
A bɔli don: 2026-04-08
Jɛkulu : https://n.news.naver.com/article/029/0003020511?sid=105
AI startup ‘Clevi’ ka Kɔri ye, a ka yɛrɛ model ni yɛrɛ agent solution labɛn from scratch, o kɔfɛ a y'a fɔ ko a ye GAIA benchmark kɔnɔ Kore dugukolo la fɔlɔ ye, a don ka kɛ model 3,090 minɛnw bɛɛ la, a bɛ fɔlɔ 2.5% kɔnɔ.
Kɛnɛya kulu ka fɔ ko, Meta AI ye GAIA labɛn, Hugging Face fana bɛ a ɲɛnabɔ. GAIA tɛ AI ɲini ka baara kelen dɔrɔn ɲɛ, nka a bɛ ɲini ko a bɛ se ka baara caman lajɛ ka ɲɛnamayaɲɛ jugu dɛmɛ. A ka kan ka kunnafoniw ɲini web la, ka PDF kɔnɔ tabali kalan, ka ja ɲɛnabɔ, ka code bila ka jateminɛ kɛ, ka o bɛɛ lajɛ ka jaabi kelen di. A ka kunnafoni 301 minɛnw tɛ kɛnɛ, a ka kɛlɛya saba, ani jaabi tɛ fɔ kokura; o de la, overfitting ni cheating tɛ se ka kɛ.
Ni i bɛ ɲini ka score ba sɔrɔ o sɛgɛsɛgɛli la, fɛn fila ka kan. Fɔlɔ ye language model min bɛ a kɔrɔfɔli kɛ; filanan ye agent solution min bɛ model in jɛngɛ ni dugukolo kunnafoniw ni baarakɛlaw ye, ka a kɛ ko a bɛ se ka baara kɛ yɛrɛma. Model ka kɛ cogo di, ni agent ka dɔgɔ, a tɛ se ka Level 3 ɲɛ; agent ka kɛ cogo di, ni model ka kɔrɔfɔli ka dɔgɔ, jaabi jugu bɛ taa ɲɛ sinsin kɛlɛya cɛma.
Ni i ye GAIA leaderboard ka sisan cogo lajɛ, i bɛ fɛnw dɔw ye. Agent minnu bɛ fɔlɔ kɔnɔ, caman bɛ ‘model caman lajɛli’ sira ta, u bɛ GPT, Claude, Gemini ani big tech model wɛrɛw lajɛ. O ye sira nyuman ye min bɛ model kelen-kelen ka sɛbɛnniw lajɛ, ani score dɔgɔya min bɛ se ka bɔ kunnafoniw bɔli la, o bɛ a kɛ ka ban.
Nka Clevi ma don u cɛma. A ka cip-5.5-agent (agentic AI) min labɛn from scratch, o bɛ baara juguw ka ɲɛnabɔli, kɛli ni sɛgɛsɛgɛli kɛ yɛrɛma. cip-5.5-mm (multimodal min bɛ se ka baara caman kɛ) bɛ se ka kan, ja, video ani sɛbɛnni suguya wɛrɛw faamu, ka kɔrɔfɔ u la. Model fila bɛɛ Clevi kɔnɔ la yɛrɛma labɛnnenw ye, ani external LLM API ma baara kɛ kelen dɔrɔn.
ပြီးတော့ ဒီကိုယ်ပိုင်မော်ဒယ်စတက်ခ်နဲ့ GAIA မှာ အေးဂျင့် ၅ ခုကို ဝင်ရောက်ယှဉ်ပြိုင်စေပြီး အားလုံး ၇၀ မှတ်အထက် ရရှိခဲ့သည်။ အမြင့်ဆုံး 79.07% မှ 70.76% အထိ ရရှိခဲ့ခြင်းသည် တစ်ကြိမ်တည်းသော ရလဒ်၏ ကံကောင်းမှုမဟုတ်ဘဲ စတက်ခ်တစ်ခုလုံး၏ တည်ငြိမ်မှုကို သက်သေပြခဲ့ခြင်းဖြစ်သည်။
ကုမ္ပဏီဘက်မှ ရှင်းပြချက်အရ တရားဝင်ရမှတ် 79.07% ၏ နောက်ကွယ်တွင် နောက်ထပ်ကိန်းဂဏန်းတစ်ခု ရှိသည်။ Clevi ၏ အတွင်းပိုင်းနောက်ဆက်တွဲစစ်ဆေးမှုအရ မေးခွန်း 301 ခုအနက် လက်ရှိအများပြည်သူကြည့်ရှုနိုင်သော ဝဘ်ပေါ်တွင် အဖြေမှန်အထောက်အထားများ ပျောက်ဆုံးနေသည့် မေးခွန်းများစွာကို အတည်ပြုတွေ့ရှိခဲ့သည်။ လက်ရှိဝဘ်ပေါ်တွင် အဖြေမှန်ရှိနေဆဲဖြစ်သည့် မေးခွန်းများကိုသာ အခြေခံ၍ ပြန်လည်အကဲဖြတ်သောအခါ Clevi ၏ အဖြေမှန်နှုန်းမှာ 98% ကျော်လွန်ခဲ့သည်။ ဤကိန်းဂဏန်းသည် လူသားများ၏ ပျမ်းမျှနှုန်း (92%) ကိုပင် ကျော်လွန်နေပြီဖြစ်သည်။
အမှန်ပင် အခြားကုမ္ပဏီများ၏ အစွမ်းထက်သော အထွေထွေသုံးမော်ဒယ်များကို ရောစပ်အသုံးပြုခဲ့ပါက တရားဝင်ရမှတ်ကို ပိုမိုမြှင့်တင်နိုင်မည်ဖြစ်သည်။ သို့သော် Clevi သည် ထိုမဟာဗျူဟာကို ရည်ရွယ်ချက်ရှိရှိ မရွေးချယ်ခဲ့ပါ။ ယခုစံနှုန်းစမ်းသပ်မှု၏ ရည်မှန်းချက်မှာ အမြင့်ဆုံးရမှတ်အတွက် ယှဉ်ပြိုင်ရန်မဟုတ်ဘဲ from scratch ကိုယ်ပိုင်မော်ဒယ်သည် ကမ္ဘာ့စင်မြင့်ပေါ်တွင် ယှဉ်ပြိုင်နိုင်သည့်အဆင့်သို့ ရောက်ရှိပြီလားဆိုသည်ကို စစ်ဆေးရန်ဖြစ်သောကြောင့် ဖြစ်သည်။
GAIA ဦးဆောင်ဇယားတွင် အမည်ပါဝင်လာခြင်းသည် တတိယပါတီ၏ လွတ်လပ်သောအကဲဖြတ်မှုမှ ပေးအပ်သော အတည်ပြုထားသည့် ယုံကြည်စိတ်ချရမှုကို ရရှိထားခြင်းကြောင့် အလွန်အရေးကြီးသည်။ ဤအချက်သည် ရင်းနှီးမြှုပ်နှံမှုရယူခြင်း၊ နိုင်ငံခြားဈေးကွက်သို့ ဝင်ရောက်ခြင်းနှင့် B2B အရောင်းလုပ်ငန်းတို့၏ အခြေအနေအားလုံးတွင် အသုံးချနိုင်သည့် ဓမ္မဓိဋ္ဌာန်ကျသော အထောက်အထားဖြစ်လာသည်။
Clevi နှင့်သက်ဆိုင်သူက “တရားဝင်မှားယွင်းသော အဖြေ ၆၃ ခုအနက် အများစုသည် အထွက်ဖော်မတ်မကိုက်ညီမှု၊ ရုပ်ပုံဆိုင်ရာအချက်အလက်များကို အဓိပ္ပာယ်ဖော်ရာတွင် ဖြစ်ပေါ်သည့် အမှားများနှင့် အချက်အလက်ပျောက်ဆုံးမှုကြောင့် အဖြေမပေးနိုင်သည့် မေးခွန်းများမှ ဖြစ်ပေါ်လာခြင်းဖြစ်သည်။ ယုတ္တိဗေဒဆိုင်ရာ ခန့်မှန်းမှု၏ အခြေခံကန့်သတ်ချက်ထက် နောက်ဆက်တွဲလုပ်ဆောင်မှု တိကျမှုနှင့် ပြင်ပအချက်အလက် ရရှိနိုင်မှုဆိုင်ရာ ပြဿနာများသာ ဖြစ်သည်။ ကိုယ်ပိုင်မော်ဒယ်ဖြစ်သောကြောင့် Clevi ကိုယ်တိုင် တိုးတက်အောင် ပြုလုပ်နိုင်သည်။ ဤသည်မှာ from scratch ကိုယ်ပိုင်မော်ဒယ်၏ ဖွဲ့စည်းပုံဆိုင်ရာ အားသာချက်ပင် ဖြစ်သည်။ Clevi ၏ ယခုအောင်မြင်မှုသည် ကိုရီးယား AI လုပ်ငန်းကဏ္ဍအား “ကျွန်ုပ်တို့သည် ‘ငှားရမ်းထားသော ဦးနှောက်များ’ ကို မည်မျှကြာအောင် မှီခိုနေဦးမည်နည်း” ဟူသော မေးခွန်းကို မေးမြန်းနေသည်။ Clevi သည် from scratch ဟူသည့် ပိုမိုခက်ခဲသောလမ်းကို ရွေးချယ်ပြီး ကမ္ဘာ့စင်မြင့်ပေါ်တွင် ထိုမေးခွန်း၏အဖြေကို သက်သေပြလိုသည်” ဟု ပြောကြားခဲ့သည်။