ஆதாரம்: எலக்ட்ரானிக் நியூஸின் நிருபர் லீ வொன்ஜி
“க்ளெவி, from scratch சொந்த மாதிரியுடன் GAIA-வில் 79.07%...3,090 மாதிரிகளில் முதல் 2.5%” என்ற கட்டுரையின் முழு உரையை மேற்கோள் காட்டுதல்
வெளியீட்டு தேதி: 2026-04-07
இணைப்பு: https://www.etnews.com/20260407000203
cip-5.5-agent·cip-5.5-mm தனித்துவமான மாதிரி அடுக்கின் 5 ஏஜென்ட்களும் 70 புள்ளிகளுக்கு மேல்
தகவல் இழப்பைக் கருத்தில் கொண்டால் 98%+ சரியான விடை விகிதம், மனிதர்களை (92%) விஞ்சுகிறது
AI ஸ்டார்ட்அப் 'க்ளெவி', from scratch சொந்த மாதிரியைப் பயன்படுத்தி, உலகளாவிய AI ஏஜென்ட் பெஞ்ச்மார்க் 'GAIA'-வில் 79.07% சரியான விடை விகிதத்தைப் பதிவு செய்து, பதிவுசெய்யப்பட்ட மொத்த 3,090 மாதிரிகளில் முதல் 2.5% இடத்திற்குள் நிலைபெற்றுள்ளது.
துறையினரின் விளக்கத்தின்படி, AI பெஞ்ச்மார்க் சந்தையில் GAIA, 'நடைமுறை AI ஏஜென்ட்களின்' திறனைத் துல்லியமாக பிரதிபலிப்பதாக மதிப்பிடப்படுகிறது. Meta AI, HuggingFace மற்றும் பாரிஸ்-சாக்லே பல்கலைக்கழகம் உள்ளிட்டவை இணைந்து உருவாக்கிய இந்த பெஞ்ச்மார்க், 2023 நவம்பரில் முதன்முதலில் வெளியிடப்பட்டது.
GAIA-வை பிற பெஞ்ச்மார்க்குகளிலிருந்து வேறுபடுத்தும் முக்கிய அம்சங்கள் மூன்று. முதலாவதாக, சரியான விடைகள் வெளியிடப்படாததால், அதிகப்படுத்திப் பொருத்துதல் சாத்தியமில்லை. இரண்டாவதாக, பல படிநிலை·பலமாதிரி சிக்கலான பகுத்தறிவைத் தேவைப்படுத்துவதால், எளிய வடிவமுறைப் பொருத்தலால் அதிக மதிப்பெண் பெற முடியாது. மூன்றாவதாக, HuggingFace அதிகாரப்பூர்வ தரவரிசைப் பட்டியல் மூலம், உலகம் முழுவதிலுமுள்ள 3,090-க்கும் மேற்பட்ட மாதிரிகள் ஒரே நிபந்தனைகளில் போட்டியிடுகின்றன.
சோதனைத் தொகுப்பு மொத்தம் 301 கேள்விகளைக் கொண்டது. Level 1-ல் ஒற்றைக் கருவிப் பயன்பாடு மற்றும் எளிய பகுத்தறிவு, Level 2-ல் பல கருவிகளின் சேர்க்கை மற்றும் இடைநிலைப் பகுத்தறிவு, Level 3-ல் 5 அல்லது அதற்கு மேற்பட்ட படிநிலைகளைக் கொண்ட ஏஜென்ட் திட்டமிடல் மற்றும் செயல்படுத்தல் தேவைப்படும் மிகக் கடினமான கேள்விகள் இடம்பெறுகின்றன. பெஞ்ச்மார்க் வெளியிடப்பட்டபோது GPT மாதிரிகளின் (பிளக்-இன்களுடன்) அடிப்படையில் சுமார் 15% ஆக மட்டுமே இருந்த நிலையில், தற்போது முன்னணி அணிகள் அதை 70–80% அளவுக்கு உயர்த்தியுள்ளன.
இதில், இந்தச் சாதனையில் தொழில்நுட்ப ரீதியாக மிகவும் கவனிக்கத்தக்க அம்சம் GPT, Claude, Gemini உள்ளிட்ட வெளிப்புற LLM API-களை முற்றிலும் பயன்படுத்தவில்லை என்பதே என்று க்ளெவி வலியுறுத்தியது. from scratch முறையில் தனித்துவமாக உருவாக்கிய இரண்டு மாதிரிகளைப் பயன்படுத்தியதே க்ளெவியின் சிறப்பம்சமாகும்.
cip-5.5-agent என்பது சிக்கலான பணிகளைத் தன்னாட்சி முறையில் திட்டமிடுதல் (planning), செயல்படுத்துதல் (execution), சரிபார்த்தல் (verification) ஆகியவற்றை மேற்கொள்ளும் ஏஜென்ட் பைப்லைனின் முக்கிய மூளையாகச் செயல்படும் ஏஜென்டிக் AI மாடல் ஆகும். cip-5.5-mm என்பது குரல், படங்கள், வீடியோ உள்ளிட்ட பல்வேறு கோப்பு வடிவங்களைப் புரிந்துகொண்டு பகுத்தறியும் உயர் செயல்திறன் கொண்ட பொது-நோக்கு மல்டிமோடல் மாடல் ஆகும். GAIA கேள்விகளில் பெரும்பாலானவை PDF, படங்கள், ஆடியோ கோப்புகள் போன்ற உரையல்லாத உள்ளீடுகளை உள்ளடக்கியிருப்பதால், இந்த மல்டிமோடல் திறன் அதிக மதிப்பெண் பெறுவதற்கான முக்கிய காரணியாக அமைந்தது.
கிளெவி இந்த இரண்டு சொந்த மாடல்களின் அடிப்படையில் 5 வெவ்வேறு ஏஜென்ட் கட்டமைப்புகளுடன் GAIA போட்டியில் பங்கேற்றது; அவை அனைத்தும் 70-க்கும் அதிகமான மதிப்பெண்களைப் பெற்றன.
நிறுவனம் தெரிவித்த விளக்கத்தின்படி, கிளெவியின் உள்நிலை பிந்தைய மதிப்பாய்வில் சுவாரஸ்யமான முடிவுகள் கண்டறியப்பட்டன. மொத்தம் 301 கேள்விகளில் சிலவற்றுக்கான சரியான பதிலுக்கான ஆதாரங்கள் தற்போது பொதுவில் உள்ள இணையத்தில் இல்லாமல் போயிருந்தன. கடந்த காலத்தில் ஆன்லைனிலோ தேடுபொறிகளிலோ சரிபார்க்க முடிந்த தகவல்கள் நீக்கப்பட்டிருந்தன அல்லது மாற்றப்பட்டிருந்தன; எனவே அவற்றை இனி அணுக முடியவில்லை. தற்போது மனிதர்களால் பொதுவில் சரிபார்க்கக்கூடிய தகவல்களின் வரம்பிற்குள் மறுமதிப்பீடு செய்தபோது, கிளெவியின் சரியான பதில் விகிதம் 98%-க்கும் அதிகமாக இருந்தது. இது ஏற்கனவே மனிதர்களின் சராசரியான 92%-ஐ விஞ்சியுள்ள மதிப்பாகும்.
கிளெவி பிரதிநிதி ஒருவர் விளக்கினார்: “கிளெவி வெளிப்புற மாடல்களின் கலவை இல்லாமல், from scratch சொந்த மாடல்கள் மற்றும் சொந்த AI ஏஜென்ட் தீர்வுகளை மட்டுமே பயன்படுத்தி, 5 ஏஜென்ட்களும் 70+ மதிப்பெண்களைப் பெற்று, பொதுவில் கிடைக்கும் பெஞ்ச்மார்க்கில் முதல் 2.5%-க்குள் நுழைந்துள்ளன. எதிர்காலத்தில் சொந்த மாடல்கள் மற்றும் ஏஜென்ட் தீர்வுகளை மேம்படுத்துவதன் மூலம் அதிகாரப்பூர்வ மதிப்பெண்ணையும் மேலும் உயர்த்த முடியும் எனத் தெரிகிறது. இந்தச் சாதனை உலகளாவிய பொதுப் பெஞ்ச்மார்க்கில் நேரடியாக அளவிடப்பட்டு ‘சரிபார்க்கப்பட்ட நம்பகத்தன்மையை’ வெளிப்படுத்துகிறது; இது உள்நாட்டு AI மேம்பாட்டு நிறுவனத்தின் from scratch சொந்த மாடல் அடிப்படையிலான சாதனை என்பதும், வெளிப்புற மாடல்களின் கலவை அல்லாமல் தனித்துவமான மாடல் ஸ்டேக்கின் விளைவு என்பதும், மேலும் சில கேள்விகளுக்கான தகவல்கள் இழந்துவிட்டன என்பதைக் கருத்தில் கொண்டால் மதிப்பெண்ணைத் தாண்டிய விளக்க மதிப்பைக் கொண்டுள்ளது என்பதும் இதன் முக்கியத்துவமாகும்.”