Foinse: Goobon-gyu Gu, Digital Times
Sliocht iomlán ón alt “Cuireadh tús le gnólacht nuathionscanta AI CLEVI sa 2.5% is fearr de GAIA… ag léiriú creidiúnacht dheimhnithe”
Dáta foilsithe 2026-04-08
Nasc : https://n.news.naver.com/article/029/0003020511?sid=105
D’fhógair gnólacht nuathionscanta AI na Cóiré Theas ‘Clevi’ go bhfuil a mhúnla dílseánaigh féin agus a réiteach gníomhaire féin tógtha aige from scratch, agus go bhfuil sé tar éis dul isteach sa 2.5% is fearr de GAIA den chéad uair sa Chóiré Theas, bunaithe ar na 3,090 samhail chláraithe ar fad.
De réir míniú ón tionscal, ní chuireann GAIA, atá deartha ag Meta AI agus á oibriú ag Hugging Face, ceist ar AI faoi ‘an cumas rud amháin a dhéanamh go maith’, ach faoi ‘an cumas roinnt cumas a chomhcheangal chun fadhbanna réadúla a réiteach’. Caithfidh sé faisnéis a aimsiú ar an ngréasán, táblaí i PDF a léamh, íomhánna a anailísiú, cód a rith chun ríomhanna a dhéanamh, agus na torthaí sin a chomhcheangal chun freagra amháin ceart a thabhairt. Tá an struchtúr bunaithe ar 301 cheist neamhfhoilsithe, trí leibhéal deacrachta, agus prionsabal nach bhfoilsítear na freagraí cearta, rud a fhágann nach féidir rófheistiú ná caimiléireacht a dhéanamh.
Tá dhá rud riachtanach chun scór ard a fháil sa scrúdú sin. Is iad sin cumas réasúnaíochta an mhúnla teanga atá mar bhonn leis, agus réiteach gníomhaire a nascann an tsamhail le huirlisí an domhain réadaigh chun tascanna a dhéanamh go neamhspleách. Is cuma cé chomh maith is atá an tsamhail, mura bhfuil an gníomhaire láidir ní féidir Leibhéal 3 a réiteach; agus is cuma cé chomh sofaisticiúil is atá an gníomhaire, mura leor cumas réasúnaíochta na samhla, scaiptear freagraí míchearta ag an lárchéim.
Nuair a fhéachtar ar struchtúr reatha chlár ceannaireachta GAIA, feictear patrún suimiúil. Glacann formhór na ngníomhairí atá sa bharrleibhéal le straitéis ‘meascán ilmhúnlaí’ a chomhcheanglaíonn samhlacha éagsúla ó chuideachtaí móra teicneolaíochta, amhail GPT, Claude agus Gemini. Cur chuige réasúnta atá ann chun láidreachtaí gach samhla a chomhcheangal agus laghdú scóir de bharr caillteanas faisnéise agus cúiseanna eile a chosaint ina aghaidh.
Os a choinne sin, níor chuaigh Clevi isteach sa slua sin. Déanann cip-5.5-agent (AI gníomhaireach), a forbraíodh ón tús, pleanáil, forghníomhú agus fíorú tascanna casta go neamhspleách, agus tuigeann cip-5.5-mm (ilmhódach ginearálta ardfheidhmíochta) formáidí éagsúla comhad, amhail fuaim, íomhánna agus físeáin, agus déanann sé réasúnaíocht orthu. Forbraíodh an dá mhúnla seo go neamhspleách laistigh de Clevi, agus níor úsáideadh API LLM seachtrach ar bith.
Ag baint úsáid as an gcruach samhlacha dílse seo, chuir sé 5 ghníomhaire isteach in GAIA agus ghnóthaigh gach ceann acu scór os cionn 70. Ón scór is airde, 79.07%, go dtí 70.76%, léiríonn sé seo cobhsaíocht na cruaiche ina hiomláine, seachas an t-ádh a bhaineann le toradh aonair.
De réir mhíniú na cuideachta, tá uimhir eile taobh thiar den scór oifigiúil 79.07%. I ndiaidh athbhreithniú inmheánach ag CLEVI, fuarthas amach go raibh cuid mhaith de na 301 cheist ina raibh an fhianaise don fhreagra ceart imithe ón ngréasán poiblí atá ar fáil faoi láthair. Nuair a rinneadh athmheasúnú bunaithe ar na ceisteanna amháin a bhfuil an freagra ceart fós ar fáil dóibh ar an ngréasán, bhí ráta cruinnis CLEVI os cionn 98%. Tá sé seo níos airde cheana féin ná meán an duine (92%).
Ar ndóigh, dá mbeadh samhlacha ginearálta cumhachtacha cuideachtaí eile measctha, d’fhéadfaí an scór oifigiúil a ardú níos mó. Mar sin féin, roghnaigh CLEVI gan an straitéis sin a ghlacadh d’aon ghnó. Is é an sprioc a bhí leis an tagarmharc seo ná a fhíorú an raibh samhail dílis from scratch in ann leibhéal iomaíoch a bhaint amach ar an ardán domhanda, seachas dul san iomaíocht don scór is airde.
Tá tábhacht mhór leis an ainm a bheith ar chlár ceannaireachta GAIA, mar ciallaíonn sé go bhfuil creidiúnacht fhíoraithe aige arna bronnadh ag measúnú neamhspleách tríú páirtí. Is bunús oibiachtúil é seo ar féidir a úsáid i ngach céim, ó mhaoiniú infheistíochta a fháil go leathnú thar lear agus díolacháin B2B.
Dúirt ionadaí de chuid CLEVI: “I measc na 63 fhreagra mhíchearta oifigiúla, tháinig cuid mhaith díobh as neamhréir i bhformáid an aschuir, earráidí i léirmhíniú ábhar amhairc, agus ceisteanna nach bhféadfaí a fhreagairt de bharr caillteanas faisnéise. Ní teorainn bhunúsach réasúnaíochta loighciúla atá i gceist, ach cruinneas na hiarphróiseála agus infhaighteacht na faisnéise seachtraí. Toisc gur samhail dílis í, is féidir le CLEVI í féin a fheabhsú. Sin é go díreach an buntáiste struchtúrach a bhaineann le samhail dílis from scratch. Cuireann éacht CLEVI an cheist seo faoi bhráid thionscal AI na Cóiré: “Cá fhad a mbeimid ag brath ar ‘inchinn ar iasacht’?” Roghnaigh CLEVI an bealach níos deacra, from scratch, agus tá sé ag iarraidh an freagra sin a chruthú ar an ardán domhanda.”