Heimild: Digital Times, blaðamaður Gu Bon-gyu
Tilvitnun í allan fréttatextann „AI-sprotafyrirtækið Clevi kemst í efstu 2,5% í GAIA… sýnir staðfesta trúverðugleika“
Útgáfudagur 2026-04-08
Hlekkur: https://n.news.naver.com/article/029/0003020511?sid=105
Suður-kóreska AI-sprotafyrirtækið Clevi hefur tilkynnt að það hafi, samhliða uppbyggingu á eigin gerð frá grunni og eigin umboðsmannalausn, náð í fyrsta sinn í Suður-Kóreu inn í efstu 2,5% á GAIA-viðmiðinu, miðað við öll 3.090 skráð líkön.
Samkvæmt útskýringum úr greininni spyr GAIA, sem Meta AI hannaði og Hugging Face rekur, AI ekki um „getuna til að gera eitt vel“ heldur „getuna til að sameina margar færniþætti til að leysa raunveruleg vandamál“. Það þarf að finna upplýsingar á vefnum, lesa töflur í PDF-skjölum, greina myndir, keyra kóða til útreikninga og sameina niðurstöðurnar til að skila einu réttu svari. Uppbyggingin, með 301 trúnaðarspurningu, þremur erfiðleikastigum og þeirri meginreglu að svör séu ekki birt, gerir bæði oflæringu og svindl ómögulegt.
Til að fá háa einkunn í þessu prófi þarf tvennt. Annars vegar rökhugsunargetu undirliggjandi tungumálalíkans og hins vegar umboðsmannalausn sem tengir líkanið við verkfæri raunveruleikans og gerir því kleift að vinna sjálfstætt. Jafnvel þótt líkanið sé mjög gott er ekki hægt að leysa Level 3 ef umboðsmaðurinn er veikburða, og jafnvel þótt umboðsmaðurinn sé mjög háþróaður berast röng svör áfram á miðstigi ef rökhugsunargeta líkansins er ófullnægjandi.
Á núverandi uppbyggingu GAIA-stigatöflunnar má sjá áhugavert mynstur. Flestir umboðsmenn í efstu sætunum hafa tekið upp „fjöllíkana-blöndun“, þar sem GPT, Claude, Gemini og fleiri líkön frá stórtæknifyrirtækjum eru sameinuð. Þetta er skynsamleg nálgun sem sameinar styrkleika hvers líkans og verndar gegn stigafækkun vegna upplýsingataps og sambærilegra þátta.
Clevi gekk hins vegar ekki í þann hóp. cip-5.5-agent (umboðsmiðað AI), sem var þróað frá grunni, framkvæmir sjálfstætt áætlanagerð, framkvæmd og sannprófun flókinna verkefna, en cip-5.5-mm (afkastamikið almennt fjölþætt líkan) skilur og rökstyður ýmis skráarsnið, þar á meðal hljóð, myndir og myndbönd. Bæði líkönin voru þróuð sjálfstætt innan Clevi og engin utanaðkomandi LLM API voru notuð.
Með þessum eigin módelsamstæðu sendi CLEVI fimm agenta í GAIA og allir náðu yfir 70 stigum. Frá hæsta skorinu, 79.07%, niður í 70.76%, sannaði þetta stöðugleika alls módelsamstæðunnar, ekki aðeins heppni í einni niðurstöðu.
Samkvæmt skýringum fyrirtækisins leynist önnur tala á bak við opinbera skorið 79.07%. Innri eftirúttekt hjá CLEVI leiddi í ljós að í töluverðum fjölda af 301 spurningu hafði sönnun fyrir réttu svari glatast á þeim vef sem nú er aðgengilegur almenningi. Þegar niðurstöðurnar voru endurmetnar eingöngu út frá spurningum þar sem rétt svar er enn að finna á vefnum var svarhlutfall CLEVI yfir 98%. Það er hærra en meðaltal manna (92%).
Auðvitað hefði verið hægt að hækka opinbera skorið enn frekar með því að blanda saman öflugum almennum módelum frá öðrum fyrirtækjum. CLEVI kaus hins vegar vísvitandi að fara ekki þá leið. Markmið þessa viðmiðs var ekki keppni um hæsta skor, heldur að sannreyna hvort eigin model frá scratch hefði náð samkeppnishæfu stigi á alþjóðavettvangi.
Að fá nafn sitt á GAIA-stigatöfluna hefur mikla þýðingu, þar sem það felur í sér staðfesta trúverðugleika sem óháð mat þriðja aðila veitir. Þetta er hlutlægur grundvöllur sem hægt er að nýta við fjármögnun, útrás á erlenda markaði og B2B-sölu.
Fulltrúi CLEVI sagði: „Töluverður hluti af 63 opinberlega röngum svörum stafaði af ósamræmi í úttakssniði, villum við túlkun sjónrænna gagna og spurningum þar sem ekki var hægt að finna rétt svar vegna upplýsingataps. Vandinn snýst frekar um nákvæmni eftirvinnslu og aðgengi að ytri upplýsingum en grundvallartakmarkanir á rökhugsun. Þar sem um eigið model er að ræða getur CLEVI sjálft bætt það. Þetta er einmitt kerfislegur ávinningur eigin módels frá scratch. Niðurstaða CLEVI vekur eftirfarandi spurningu í kóreska gervigreindargeiranum: „Hversu lengi ætlum við að reiða okkur á ‚lánuð heilabú‘?“ CLEVI kaus erfiðari leiðina með model frá scratch og vill sanna svarið á alþjóðavettvangi,“ sagði hann.