ಮೂಲ: ಡಿಜಿಟಲ್ ಟೈಮ್ಸ್, ವರದಿಗಾರ ಗು ಬೊನ್-ಗ್ಯು
“AI ಸ್ಟಾರ್ಟ್ಅಪ್ CLEVI, GAIAಯ ಅಗ್ರ 2.5% ಪ್ರವೇಶ… ಸಾಬೀತಾದ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ತೋರಿಸಿದೆ” ಲೇಖನದ ಸಂಪೂರ್ಣ ಉಲ್ಲೇಖ
ಪ್ರಕಟಣೆ ದಿನಾಂಕ 2026-04-08
ಲಿಂಕ್ : https://n.news.naver.com/article/029/0003020511?sid=105
ದಕ್ಷಿಣ ಕೊರಿಯಾದ AI ಸ್ಟಾರ್ಟ್ಅಪ್ ‘CLEVI (Clevi)’ from scratch ಮೂಲಕ ನಿರ್ಮಿಸಿದ ಸ್ವಂತ ಮಾದರಿ ಮತ್ತು ಸ್ವಂತ ಏಜೆಂಟ್ ಪರಿಹಾರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿರುವುದಾಗಿ, ದೇಶದಲ್ಲೇ ಮೊದಲ ಬಾರಿಗೆ GAIA ಬೆಂಚ್ಮಾರ್ಕ್ನಲ್ಲಿ ನೋಂದಾಯಿತ ಒಟ್ಟು 3,090 ಮಾದರಿಗಳ ಆಧಾರದ ಮೇಲೆ ಅಗ್ರ 2.5%ಗೆ ಪ್ರವೇಶಿಸಿರುವುದಾಗಿ ತಿಳಿಸಿದೆ.
ಉದ್ಯಮದ ವಿವರಣೆಯ ಪ್ರಕಾರ, Meta AI ವಿನ್ಯಾಸಗೊಳಿಸಿ Hugging Face ನಿರ್ವಹಿಸುವ GAIA, AIಗೆ ‘ಒಂದೇ ಒಂದು ವಿಷಯವನ್ನು ಉತ್ತಮವಾಗಿ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ’ವನ್ನಲ್ಲ, ‘ಹಲವು ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸಂಯೋಜಿಸಿ ನೈಜ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವ ಸಾಮರ್ಥ್ಯ’ವನ್ನು ಪರೀಕ್ಷಿಸುತ್ತದೆ. ವೆಬ್ನಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಹುಡುಕಬೇಕು, PDFನಲ್ಲಿನ ಕೋಷ್ಟಕಗಳನ್ನು ಓದಬೇಕು, ಚಿತ್ರಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಬೇಕು, ಕೋಡ್ ಅನ್ನು ಚಾಲನೆಗೊಳಿಸಿ ಲೆಕ್ಕ ಹಾಕಬೇಕು ಮತ್ತು ಆ ಫಲಿತಾಂಶಗಳನ್ನು ಸಂಯೋಜಿಸಿ ಒಂದೇ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ನೀಡಬೇಕು. 301 ಖಾಸಗಿ ಪ್ರಶ್ನೆಗಳು, ಮೂರು ಹಂತಗಳ ಕಠಿಣತೆ ಮತ್ತು ಉತ್ತರಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸದ ತತ್ವದ ಆಧಾರದ ರಚನೆಯಾದ್ದರಿಂದ, ಅತಿಹೊಂದಾಣಿಕೆ ಅಥವಾ ಚೀಟಿಂಗ್ ಸಾಧ್ಯವಿಲ್ಲ.
ಈ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಹೆಚ್ಚಿನ ಅಂಕಗಳನ್ನು ಪಡೆಯಲು ಎರಡು ವಿಷಯಗಳು ಅಗತ್ಯವಿವೆ. ಆಧಾರವಾಗಿರುವ ಭಾಷಾ ಮಾದರಿಯ ತಾರ್ಕಿಕ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಆ ಮಾದರಿಯನ್ನು ನೈಜ ಜಗತ್ತಿನ ಸಾಧನಗಳೊಂದಿಗೆ ಸಂಪರ್ಕಿಸಿ ಸ್ವಾಯತ್ತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವಂತೆ ಮಾಡುವ ಏಜೆಂಟ್ ಪರಿಹಾರ. ಮಾದರಿ ಎಷ್ಟೇ ಉತ್ತಮವಾಗಿದ್ದರೂ ಏಜೆಂಟ್ ದುರ್ಬಲವಾಗಿದ್ದರೆ Level 3 ಅನ್ನು ಪರಿಹರಿಸಲಾಗುವುದಿಲ್ಲ; ಏಜೆಂಟ್ ಎಷ್ಟೇ ನಿಖರವಾಗಿದ್ದರೂ ಮಾದರಿಯ ತಾರ್ಕಿಕ ಸಾಮರ್ಥ್ಯ ಸಾಕಾಗದಿದ್ದರೆ ಮಧ್ಯ ಹಂತದಲ್ಲೇ ತಪ್ಪು ಉತ್ತರಗಳು ಹರಡುತ್ತವೆ.
GAIA ಲೀಡರ್ಬೋರ್ಡ್ನ ಪ್ರಸ್ತುತ ರಚನೆಯನ್ನು ನೋಡಿದಾಗ ಆಸಕ್ತಿದಾಯಕ ಮಾದರಿ ಗೋಚರಿಸುತ್ತದೆ. ಅಗ್ರಸ್ಥಾನದ ಬಹುತೇಕ ಏಜೆಂಟ್ಗಳು GPT, Claude, Gemini ಮುಂತಾದ ಹಲವು ಬಿಗ್ಟೆಕ್ ಮಾದರಿಗಳನ್ನು ಸಂಯೋಜಿಸುವ ‘ಮಲ್ಟಿ-ಮಾಡೆಲ್ ಮಿಕ್ಸ್’ ತಂತ್ರವನ್ನು ಅಳವಡಿಸಿಕೊಂಡಿವೆ. ಪ್ರತಿಯೊಂದು ಮಾದರಿಯ ಬಲಗಳನ್ನು ಸಂಯೋಜಿಸಿ, ಮಾಹಿತಿ ನಷ್ಟದಿಂದ ಉಂಟಾಗುವ ಅಂಕಗಳ ಇಳಿಕೆಯನ್ನು ತಡೆಯುವ ಸಮಂಜಸವಾದ ವಿಧಾನ ಇದಾಗಿದೆ.
ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ, CLEVI ಆ ಸಾಲಿಗೆ ಸೇರಲಿಲ್ಲ. from scratch ವಿಧಾನದಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ cip-5.5-agent (ಏಜೆಂಟಿಕ್ AI) ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳ ಯೋಜನೆ, ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಪರಿಶೀಲನೆಯನ್ನು ಸ್ವಾಯತ್ತವಾಗಿ ನಿರ್ವಹಿಸುತ್ತದೆ; cip-5.5-mm (ಉನ್ನತ ಕಾರ್ಯಕ್ಷಮತೆಯ ಸಾಮಾನ್ಯ ಮಲ್ಟಿಮೋಡಲ್) ಧ್ವನಿ, ಚಿತ್ರ, ವೀಡಿಯೊ ಸೇರಿದಂತೆ ವಿವಿಧ ಫೈಲ್ ಫಾರ್ಮ್ಯಾಟ್ಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ತಾರ್ಕಿಕ ನಿರ್ಣಯ ಮಾಡುತ್ತದೆ. ಈ ಎರಡೂ ಮಾದರಿಗಳನ್ನು CLEVIಯೊಳಗೆ ಸ್ವತಂತ್ರವಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದ್ದು, ಯಾವುದೇ ಬಾಹ್ಯ LLM API ಬಳಸಲಾಗಿಲ್ಲ.
ಮತ್ತು ಈ ಸ್ವಂತ ಮಾದರಿ ಸ್ಟ್ಯಾಕ್ನೊಂದಿಗೆ GAIAಗೆ 5 ಏಜೆಂಟ್ಗಳನ್ನು ಸ್ಪರ್ಧೆಗೆ ಇಳಿಸಿ, ಎಲ್ಲರೂ 70ಕ್ಕಿಂತ ಹೆಚ್ಚು ಅಂಕಗಳನ್ನು ದಾಖಲಿಸಿದರು. ಗರಿಷ್ಠ 79.07%ರಿಂದ 70.76%ವರೆಗೆ, ಇದು ಏಕೈಕ ಫಲಿತಾಂಶದ ಅದೃಷ್ಟವಲ್ಲ, ಸಂಪೂರ್ಣ ಸ್ಟ್ಯಾಕ್ನ ಸ್ಥಿರತೆಯೇ ಸಾಬೀತಾಗಿದೆ.
ಕಂಪನಿಯ ವಿವರಣೆಯ ಪ್ರಕಾರ, ಅಧಿಕೃತ 79.07% ಅಂಕಗಳ ಹಿಂದೆ ಮತ್ತೊಂದು ಸಂಖ್ಯೆಯೂ ಇದೆ. CLEVIಯ ಆಂತರಿಕ ನಂತರದ ಪರಿಶೀಲನೆಯ ಫಲಿತಾಂಶದಲ್ಲಿ, 301 ಪ್ರಶ್ನೆಗಳ ಪೈಕಿ ಪ್ರಸ್ತುತ ಸಾರ್ವಜನಿಕ ವೆಬ್ನಲ್ಲಿ ಸರಿಯಾದ ಉತ್ತರದ ಆಧಾರ ಕಳೆದುಹೋಗಿರುವ ಪ್ರಶ್ನೆಗಳು ಗಣನೀಯ ಸಂಖ್ಯೆಯಲ್ಲಿ ಕಂಡುಬಂದವು. ಸರಿಯಾದ ಉತ್ತರವು ಈಗಲೂ ವೆಬ್ನಲ್ಲಿ ಲಭ್ಯವಿರುವ ಪ್ರಶ್ನೆಗಳನ್ನು ಮಾತ್ರ ಆಧಾರವಾಗಿಸಿಕೊಂಡು ಮರುಮೌಲ್ಯಮಾಪನ ಮಾಡಿದಾಗ, CLEVIಯ ನಿಖರತಾ ದರವು 98%ಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿತ್ತು. ಇದು ಮಾನವ ಸರಾಸರಿ (92%)ಯನ್ನೂ ಈಗಾಗಲೇ ಮೀರಿದ ಅಂಕೆಯಾಗಿದೆ.
ಖಂಡಿತವಾಗಿಯೂ, ಇತರ ಕಂಪನಿಗಳ ಶಕ್ತಿಶಾಲಿ ಸಾಮಾನ್ಯ ಮಾದರಿಗಳನ್ನು ಮಿಶ್ರಣ ಮಾಡಿದ್ದರೆ ಅಧಿಕೃತ ಅಂಕೆಯನ್ನು ಇನ್ನಷ್ಟು ಹೆಚ್ಚಿಸಬಹುದಾಗಿತ್ತು. ಆದರೆ CLEVI ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಆ ತಂತ್ರವನ್ನು ಆಯ್ಕೆ ಮಾಡಲಿಲ್ಲ. ಏಕೆಂದರೆ ಈ ಬೆಂಚ್ಮಾರ್ಕ್ನ ಗುರಿ ಗರಿಷ್ಠ ಅಂಕೆಯ ಸ್ಪರ್ಧೆಯಲ್ಲ, from scratch ಸ್ವಂತ ಮಾದರಿಯು ಜಾಗತಿಕ ವೇದಿಕೆಯಲ್ಲಿ ಸ್ಪರ್ಧಿಸಬಹುದಾದ ಮಟ್ಟವನ್ನು ತಲುಪಿದೆಯೇ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸುವುದಾಗಿತ್ತು.
GAIA ಲೀಡರ್ಬೋರ್ಡ್ನಲ್ಲಿ ಹೆಸರು ಕಾಣಿಸಿಕೊಳ್ಳುವುದು ಎಂದರೆ ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಸ್ವತಂತ್ರ ಮೌಲ್ಯಮಾಪನದಿಂದ ನೀಡಲಾದ ಪರಿಶೀಲಿತ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಹೊಂದಿರುವುದರಲ್ಲಿ ಮಹತ್ವವಿದೆ. ಇದು ಹೂಡಿಕೆ ಆಕರ್ಷಣೆ, ವಿದೇಶಿ ವಿಸ್ತರಣೆ ಮತ್ತು B2B ಮಾರಾಟದ ಎಲ್ಲ ಹಂತಗಳಲ್ಲಿಯೂ ಬಳಸಬಹುದಾದ ವಸ್ತುನಿಷ್ಠ ಆಧಾರವಾಗುತ್ತದೆ.
CLEVIಯ ಪ್ರತಿನಿಧಿ ಹೀಗೆ ತಿಳಿಸಿದ್ದಾರೆ: “ಅಧಿಕೃತವಾಗಿ ತಪ್ಪಾದ 63 ಉತ್ತರಗಳಲ್ಲಿ ಗಣನೀಯ ಭಾಗವು ಔಟ್ಪುಟ್ ಸ್ವರೂಪದ ಅಸಂಗತತೆ, ದೃಶ್ಯ ಸಾಮಗ್ರಿಗಳ ವ್ಯಾಖ್ಯಾನದ ದೋಷಗಳು ಮತ್ತು ಮಾಹಿತಿಯ ನಷ್ಟದಿಂದಾಗಿ ಉತ್ತರಿಸಲಾಗದ ಪ್ರಶ್ನೆಗಳಿಂದ ಉಂಟಾಗಿದೆ. ಇದು ತಾರ್ಕಿಕ ನಿರ್ಣಯದ ಮೂಲಭೂತ ಮಿತಿಗಿಂತಲೂ, ನಂತರದ ಸಂಸ್ಕರಣೆಯ ನಿಖರತೆ ಮತ್ತು ಬಾಹ್ಯ ಮಾಹಿತಿಯ ಲಭ್ಯತೆಯ ಸಮಸ್ಯೆಯಾಗಿದೆ. ಇದು ಸ್ವಂತ ಮಾದರಿಯಾಗಿರುವುದರಿಂದ CLEVI ಸ್ವತಃ ಸುಧಾರಿಸಿಕೊಳ್ಳಬಹುದು. ಇದೇ from scratch ಸ್ವಂತ ಮಾದರಿಯ ರಚನಾತ್ಮಕ ಪ್ರಯೋಜನವಾಗಿದೆ. CLEVIಯ ಈ ಸಾಧನೆಯು ಕೊರಿಯಾದ AI ಉದ್ಯಮಕ್ಕೆ ‘ನಾವು ಇನ್ನೆಷ್ಟು ಕಾಲ “ಸಾಲ ಪಡೆದ ಮೆದುಳುಗಳ” ಮೇಲೆ ಅವಲಂಬಿತರಾಗಿರುತ್ತೇವೆ?’ ಎಂಬ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳುತ್ತದೆ. CLEVI from scratch ಎಂಬ ಇನ್ನಷ್ಟು ಕಠಿಣ ಮಾರ್ಗವನ್ನು ಆಯ್ಕೆ ಮಾಡಿಕೊಂಡು, ಜಾಗತಿಕ ವೇದಿಕೆಯಲ್ಲಿ ಅದರ ಉತ್ತರವನ್ನು ಸಾಬೀತುಪಡಿಸಲು ಬಯಸುತ್ತದೆ.”