Gia đình mô hình Yi đã được nâng cấp đáng kể, hiện vượt trội hơn so với các tiêu chuẩn đánh giá LLAMA-3. Phần tốt nhất? Những mô hình này được phát hành theo giấy phép Apache 2.0, cho phép sử dụng thương mại mà không có giới hạn.

Sê-ri Yi-1.5 bao gồm ba mô hình: phiên bản 6 tỷ, 9 tỷ và 34 tỷ tham số. Tất cả đều được nâng cấp từ các mô hình Yi ban đầu và đã được huấn luyện trên tới 4,1 nghìn tỷ token. Mặc dù cửa sổ ngữ cảnh bị giới hạn ở 4.000 token, các mô hình này có thể tiềm năng mở rộng điều này trong tương lai.

Mô hình 9 tỷ tham số vượt trội so với các đối tác của nó, trong khi phiên bản 34 tỷ gần như khớp hoặc thậm chí vượt qua mô hình LLAMA-370 tỷ về hiệu suất. Ngoài các tiêu chuẩn đánh giá, các mô hình Yi-1.5 thể hiện khả năng mạnh mẽ trong lập trình, lý luận toán học và tuân thủ hướng dẫn.

Để kiểm tra các mô hình, phiên bản 34 tỷ tham số có sẵn trên Hugging Face và phiên bản 9 tỷ có thể được chạy cục bộ. Các mô hình này thể hiện khả năng lý luận ấn tượng, xử lý các tình huống phức tạp và duy trì ngữ cảnh trong suốt các cuộc trò chuyện.

Về mặt lập trình, các mô hình Yi-1.5 có thể xác định và sửa lỗi trong các chương trình Python đơn giản. Chúng cũng có thể tạo mã cho các tác vụ như tải tệp từ các thùng S3 và tạo các trang web tương tác với chức năng động.

Mô hình thể hiện một cách tiếp cận tinh tế đối với các chủ đề nhạy cảm, cung cấp thông tin giáo dục khi được hỏi về các hoạt động có thể bất hợp pháp, đồng thời tránh ủng hộ trực tiếp. Nó thể hiện sự sáng tạo trong việc tạo ra các trò đùa, mặc dù chất lượng thì thay đổi. Mô hình cũng thể hiện khả năng lý luận và giải quyết vấn đề mạnh mẽ, như được thể hiện qua các phản hồi từng bước đối với các câu đố logic phức tạp. Tuy nhiên, nó gặp khó khăn trong việc duy trì một mô hình tâm trí hoàn chỉnh khi xử lý nhiều tình huống thay đổi nhanh chóng.

Khả năng lập trình và toán học của mô hình thật ấn tượng, chính xác xác định lỗi trong các mẫu mã và giải quyết các vấn đề toán học. Khả năng của nó trong việc truy xuất và tóm tắt thông tin từ các ngữ cảnh đã cung cấp gợi ý về khả năng sử dụng trong các tác vụ trợ lý nghiên cứu.

Nói chung, mô hình thể hiện sự cân bằng về khả năng, với những điểm mạnh trong lý luận, lập trình và toán học, nhưng hạn chế trong việc duy trì nhận thức ngữ cảnh và tạo ra nội dung thực sự mới lạ. Phát triển thêm cửa sổ ngữ cảnh của mô hình và huấn luyện trên nhiều tập dữ liệu đa dạng hơn có thể giúp giải quyết những lĩnh vực cần cải thiện này.

Gia đình mô hình YE đã thể hiện khả năng lý luận logic và giải quyết vấn đề ấn tượng. Các mô hình này đã có thể điều hướng các tình huống phức tạp và cung cấp lý luận từng bước để đi đến các kết luận chính xác.

Khi được hỏi về số anh chị em của nhân vật Sally, mô hình đã phân tích cẩn thận thông tin được cung cấp và thừa nhận sự thiếu hụt chi tiết để xác định câu trả lời. Sau đó, nó đã đi qua các kịch bản có thể xảy ra, xem xét các mối quan hệ giữa các nhân vật, để đưa ra phản hồi chính xác.

Tương tự, mô hình đã thể hiện kỹ năng lý luận diễn dịch mạnh mẽ khi được trình bày một câu chuyện về hai người đói. Nó đã suy luận logic rằng người thứ hai, Daniel, có khả năng cũng sẽ đến bếp tìm thức ăn, giống như John đã làm.

Khả năng theo dõi và nhớ lại nhiều mảnh thông tin của mô hình cũng được kiểm tra, với kết quả hỗn hợp. Trong khi nó có thể chính xác theo dõi trình tự các sự kiện trong một số trường hợp, nó lại gặp khó khăn trong việc duy trì một mô hình tâm trí hoàn chỉnh trong các tình huống phức tạp hơn, đôi khi quên các chi tiết sớm hơn.

Hiệu suất của mô hình trong các vấn đề toán học thật ấn tượng, thể hiện khả năng giải quyết chính xác các phép tính đa dạng, từ toán học đơn giản đến các biểu thức phức tạp hơn. Điều này gợi ý về khả năng lý luận số học mạnh mẽ.

Ngoài ra, mô hình cũng có thể hiệu quả truy xuất và tóm tắt thông tin từ ngữ cảnh đã cung cấp, thể hiện tiềm năng sử dụng trong các tác vụ hỗ trợ nghiên cứu và trả lời câu hỏi. Nó đã thừa nhận ngữ cảnh, thể hiện sự hiểu biết và cung cấp các phản hồi chính xác cho các câu hỏi tiếp theo.

Nói chung, gia đình mô hình YE đã thể hiện một nền tảng vững chắc trong lý luận logic và giải quyết vấn đề, với tiềm năng cải thiện và mở rộng khả năng trong tương lai.

Mô hình thể hiện khả năng toán học ấn tượng, chính xác giải quyết các vấn đề đa dạng. Khi được yêu cầu tính xác suất rút được một viên bi xanh từ một túi chứa 5 viên đỏ, 3 viên xanh và 2 viên xanh lá, mô hình đã xác định chính xác xác suất bằng cách cộng tổng số viên bi (10) và chia số viên bi xanh (3) cho tổng số. Nó cũng dễ dàng xử lý các phép toán số học đơn giản như 3 + 100 và các biểu thức phức tạp hơn như 3x100x3 + 50x2.

Khả năng truy xuất thông tin từ ngữ cảnh đã cung cấp của mô hình cũng đáng chú ý. Khi được cung cấp một bài báo khoa học giả định về các polyme tổng hợp, mô hình đã có thể tóm tắt chính xác ngữ cảnh và trả lời các câu hỏi tiếp theo dựa trên thông tin đã cho. Điều này gợi ý rằng mô hình có thể hữu ích cho các tác vụ như trả lời câu hỏi và tạo ra nội dung được tăng cường bằng truy xuất thông tin.

Ngoài ra, mô hình đã thể hiện năng lực trong việc xác định và sửa lỗi trong một chương trình Python đơn giản, thể hiện khả năng lập trình của nó. Nó có thể xác định và sửa nhiều vấn đề trong mã được cung cấp, cho thấy tiềm năng hữu ích cho các tác vụ như kiểm tra và gỡ lỗi mã.

Nói chung, hiệu suất mạnh mẽ của mô hình trong các tác vụ toán học, truy xuất thông tin và lập trình nổi bật tính đa dạng và phạm vi khả năng của nó.

Mô hình đã thể hiện khả năng lập trình mạnh mẽ bằng cách xác định và sửa lỗi thành công trong một chương trình Python được cung cấp. Khi được trình bày với một đoạn mã Python đơn giản chứa một vài lỗi, mô hình đã có thể xác định các vấn đề cụ thể và đề xuất các sửa đổi thích hợp.

Khả năng của mô hình trong việc hiểu các cấu trúc lập trình cơ bản và cú pháp đã cho phép nó chẩn đoán chính xác các vấn đề trong mã. Nó đã nhấn mạnh các tên biến không chính xác, các định nghĩa hàm bị thiếu và các lỗi logic khác, cung cấp các giải thích rõ ràng cho mỗi vấn đề.

Hơn nữa, mô hình đã có thể tạo ra mã đã được sửa chữa, đảm bảo rằng chương trình sẽ hoạt động như mong đợi. Điều này thể hiện sự thành thạo của mô hình trong việc chuyển đổi sự hiểu biết của nó về các khái niệm lập trình thành các giải pháp thực tế.

Mặc dù hiệu suất của mô hình trong một tác vụ lập trình phức tạp hơn, như viết một hàm Python để tải tệp từ một thùng S3, cũng đáng hài lòng, nó vẫn thể hiện một số hạn chế trong việc tạo ra một giải pháp hoàn toàn chức năng. Điều này gợi ý rằng khả năng lập trình của mô hình, mặc dù ấn tượng, vẫn có thể cần cải thiện, đặc biệt khi đối phó với các thách thức lập trình phức tạp hơn.

Nói chung, sự thành thạo về lập trình của mô hình, như được thể hiện qua khả năng xác định và sửa lỗi mã, nổi bật tiềm năng hữu ích của nó trong phát triển phần mềm và các tác vụ liên quan đến lập trình.

Dưới đây là nội dung của phần này:

Mô hình đã có thể tạo ra một trang web HTML đơn giản với một nút bấm thay đổi màu nền và hiển thị một trò đùa ngẫu nhiên. Mã như sau:

<!DOCTYPE html>
<html>
<head>
  <title>Random Joke Generator</title>
  <style>
    body {
      font-family: Arial, sans-serif;
      text-align: center;
      padding: 20px;
    }
    button {
      padding: 10px 20px;
      font-size: 16px;
      background-color: #4CAF50;
      color: white;
      border: none;
      cursor: pointer;
    }
  </style>
</head>
<body>
  <h1>Random Joke Generator</h1>
  <button onclick="changeBackgroundColor(); getRandomJoke();">Click me for a joke!</button>
  <p id="joke">Joke goes here</p>

  <script>
    function changeBackgroundColor() {
      var randomColor = '#' + Math.floor(Math.random() * 16777215).toString(16);
      document.body.style.backgroundColor = randomColor;
    }

    function getRandomJoke() {
      // Code to fetch a random joke from an API and display it
      var jokes = [
        "Why don't scientists trust atoms? Because they make up everything.",
        "What do you call a fake noodle? An Impasta.",
        "Why can't a bicycle stand up by itself? It's two-tired."
      ];
      var randomIndex = Math.floor(Math.random() * jokes.length);
      document.getElementById("joke").textContent = jokes[randomIndex];
    }
  </script>
</body>
</html>

Các tính năng chính của trang web này là:

1. Một nút bấm, khi được nhấp, thay đổi màu nền của trang thành một màu ngẫu nhiên và hiển thị một trò đùa ngẫu nhiên.
2. Hàm `change