Loharano: Lee Won-ji, gazety elektronika
Fitakiana ny lahatsoratra feno mitondra ny lohateny hoe “CLEVI, miaraka amin'ny maodely novolavolaina avy amin'ny fototra, nahazo 79.07% tamin'ny GAIA... ao anatin'ny 2.5% voalohany amin'ireo maodely 3,090”
Daty namoahana: 2026-04-07
Rohy: https://www.etnews.com/20260407000203
cip-5.5-agent·cip-5.5-mm, stack maodely tsy miankina, ireo agents 5 rehetra dia nahazo isa mihoatra ny 70
Raha raisina ny fahaverezan'ny vaovao, mihoatra ny 98% ny tahan'ny valiny marina, ambony noho ny an'ny olombelona (92%)
Ny startup AI 'CLEVI' dia nahazo tahan'ny valiny marina 79.07% tamin'ny benchmark manerantany ho an'ny AI agent 'GAIA', tamin'ny fampiasana maodely novolavolaina avy amin'ny fototra, ary tafiditra tao anatin'ny 2.5% voalohany raha oharina amin'ireo maodely 3,090 voasoratra.
Araka ny fanazavan'ny sehatra, GAIA dia heverina ho benchmark maneho amin'ny fomba marina ny fahaizan'ny 'AI agent azo ampiharina' eo amin'ny tsenan'ny benchmark AI. Novolavolain'ny Meta AI, HuggingFace ary ny Oniversiten'i Paris-Saclay niaraka ity benchmark ity, ary navoaka voalohany tamin'ny Novambra 2023.
Misy zavatra telo lehibe mampiavaka an'i GAIA amin'ireo benchmark hafa. Voalohany, satria tsy avoaka ampahibemaso ny valiny marina, dia tsy azo atao ny overfitting. Faharoa, satria mitaky fanjohian-kevitra mitambatra misy dingana maro sy endrika maro izy, dia tsy azo ahazoana isa ambony amin'ny fampitoviana lamina tsotra. Fahatelo, maodely maherin'ny 3,090 maneran-tany no mifaninana amin'ny fepetra mitovy amin'ny alalan'ny leaderboard ofisialin'ny HuggingFace.
Ahitana fanontaniana 301 ny test set amin'ny fitambarany. Ny Level 1 dia mitaky fampiasana fitaovana tokana sy fanjohian-kevitra tsotra, ny Level 2 dia mitaky fampifangaroana fitaovana maro sy fanjohian-kevitra antonony, ary ny Level 3 dia fanontaniana manana fahasarotana ambony indrindra izay mitaky drafitra sy fanatanterahana agent misy dingana 5 na mihoatra. Tamin'ny fotoana namoahana ny benchmark, dia teo amin'ny 15% monja ny isa azon'ny maodely GPT (misy plugin), raha ankehitriny kosa dia nampiakarin'ireo ekipa mitana ny laharana ambony ho 70–80%.
Anisan'izany, nanamafy i CLEVI fa ny lafiny tokony hojerena indrindra ara-teknika amin'ity vokatra ity dia ny tsy nampiasany mihitsy ny API-n'ny LLM ivelany toy ny GPT, Claude ary Gemini. Ny mampiavaka an'i CLEVI dia ny fampiasany maodely roa novolavolaina tsy miankina tamin'ny fomba avy amin'ny fototra.
cip-5.5-agent dia maodely AI agentika izay miasa ho atidoha fototra amin'ny pipeline agent iray, ka mandrafitra drafitra (planning), manatanteraka (execution), ary manamarina (verification) ireo asa sarotra amin'ny fomba mahaleo tena. cip-5.5-mm kosa dia maodely multimodaly ankapobeny avo lenta izay mahazo sy mandinika endrika rakitra maro, toy ny feo, sary, ary horonan-tsary. Satria ahitana ampahany betsaka amin'ireo fanontaniana GAIA fampidirana tsy lahatsoratra, toy ny rakitra PDF, sary, ary rakitra audio, dia io fahaiza-manao multimodaly io no anisan'ireo antony fototra nahazoana isa ambony.
Nampiditra fanamboarana agent 5 samihafa tao amin'ny GAIA i CLEVI, nifototra tamin'ireo maodely roa novolavolainy manokana ireo, ary nahazo isa mihoatra ny 70 avokoa izy rehetra.
Araka ny fanazavan'ny orinasa, nahitana vokatra mahaliana tao amin'ny famerenana anatiny nataon'i CLEVI taorian'ny fanombanana. Amin'ireo fanontaniana 301 rehetra, nisy ampahany izay tsy ahitana intsony porofo manamarina ny valiny ao amin'ny tranonkala ampahibemaso ankehitriny. Ireo dia tranga izay voafafa na novaina ka tsy azo idirana intsony ny vaovao izay azo nohamarinina taloha tamin'ny Internet na tamin'ny milina fikarohana. Rehefa nohavaozina ny fanombanana tao anatin'ny faritry ny vaovao azon'ny olona hamarinina ampahibemaso amin'izao fotoana izao, dia hita fa mihoatra ny 98% ny tahan'ny valin-kahamarinan'i CLEVI. Mihoatra sahady ny salan'isa azon'ny olombelona, dia 92%, izany.
Nanazava ny solontenan'i CLEVI hoe: “CLEVI dia nahazo isa 70+ avokoa ireo agent 5 ary tafiditra tao anatin'ny 2.5% ambony indrindra tamin'ny benchmark ampahibemaso, tamin'ny fampiasana ireo maodely novolavolainy manokana from scratch sy ny vahaolana AI agent novolavolainy manokana ihany, tsy nampifangaroana maodely ivelany. Toa mbola azo hatsaraina ihany koa ny isa ofisialy amin'ny ho avy, amin'ny alalan'ny fanatsarana ireo maodely sy vahaolana agent novolavolainy manokana. Manan-danja lalina ity zava-bita ity satria mampiseho 'fitokisana voamarina' norefesina tamin'ny benchmark ampahibemaso maneran-tany; zava-bita avy amin'ny orinasa AI mpamorona eto an-toerana, mifototra amin'ny maodely novolavolainy manokana from scratch; vokatra avy amin'ny stack de maodely tsy miankina, fa tsy fifangaroan'ny maodely ivelany; ary manana lanja amin'ny fandikana mihoatra noho ny isa, raha dinihina ny fahaverezan'ny vaovao tamin'ny fanontaniana sasany.”