OpenAI、Anthropic እና Google የሶስቱ ታላላቅ የAI ኩባንያዎች ባንድነት ሲወዳደሩ፣ ሮቦትን የሚቆጣጠረው ማን ይበልጣል?
ጥቅምት 20 ቀን፣ በሚፈንግ ቴክኖሎጂ፣ Hugging Face፣ NVIDIA፣ የቺንግሁዋ ዩኒቨርሲቲ እና በዓለም ዙሪያ ወደ 20 የሚጠጉ የከፍተኛ ትምህርት ተቋማት፣ ኩባንያዎች እና የምርምር ተቋማት በጋራ ያቋቋሙት የአካላዊ አእምሮ መድረክ RoboColiseum የዚህን ዙር የግምገማ ውጤት አሳወቀ፦ Claude Opus 5.5 ከአራቱ ታላላቅ ሞዴሎች አጠቃላይ ውጤት አንደኛ ሆነ፣ GPT-6 Astra ደግሞ በቀጣይነት ተከትሎ መጣ።
በንዑስ ክፍሎች ሲታይ፣ ከአራቱ ታላላቅ ሞዴሎች መካከል GPT-6 Astra በትዕዛዝ መከተል እና በአጠቃላይ የረብሻ መቋቋም ረገድ ግንባር ቀደም ሲሆን፣ የትዕዛዝ መከተል ነጥቡ 99.35 ደርሷል፤ Opus በቦታ ግንዛቤ እና በአጠቃላይ ክዋኔ የተሻለ አፈጻጸም ያሳየ ሲሆን በአነስተኛው የሙሉ ዙር ግምገማ ቶከን ፍጆታ የታላላቅ ሞዴሎች ቡድን አጠቃላይ አንደኛ ሆነ። በምስል ጥራት የረብሻ ሙከራ ውስጥ GPT-6.1 Sol ከሌሎቹ ሶስት ሞዴሎች በግልጽ ወደኋላ ቀረ፣ ይህም የተለያዩ ሞዴሎች የእይታ መረጃ ለውጦችን በሚመለከቱበት የመረጋጋት ልዩነት ያሳያል።
ነገር ግን በዚህ ዙር አጠቃላይ ደረጃ አሰጣጥ የመጀመሪያዎቹን ሁለት ቦታዎች የያዙት የአካላዊ ስትራቴጂ ሞዴሎች ናቸው፣ በተለይም በአጠቃላይ ክዋኔ ገጽታ የላቀ ቦታን ይዘዋል።
ይህ በአንድ መድረክ ላይ የተደረገው ውድድር ለኢንዱስትሪው አጠቃላይ ታላላቅ ሞዴሎች እና የአካላዊ ስትራቴጂ ሞዴሎች የችሎታ ጥቅሞችን እና ጉድለቶችን በግልጽ ለማየት ቀጥተኛ ማጣቀሻ አቅርቧል።
RoboColiseum በትዕዛዝ መከተል፣ በቦታ ግንዛቤ፣ በረብሻ መቋቋም እና በአጠቃላይ ክዋኔ ላይ በማተኮር አራት ዓይነት የችሎታ ንዑስ ደረጃዎችን እና 78 ከፍተኛ ትክክለኛነት ያላቸው የማስመሰል ግምገማ ተግባራትን አቅርቧል፣ ይህም የሞዴሎችን የንዑስ ክፍል አፈጻጸም ብቻ ሳይሆን የተግባር ማጠናቀቂያ ደረጃዎችን እና የውድቀት ቦታዎችን ይመዘግባል፣ ይህም ገንቢዎች የሞዴል ችሎታ ጉድለቶችን በፍጥነት እንዲለዩ ይረዳል።
እንደ የጋራ አቋቋሚ፣ ሚፈንግ ለRoboColiseum ከፍተኛ ትክክለኛነት ያላቸው የነገር ንብረቶችን እና የማስመሰል ትእይንቶችን አቅርቧል፣ ውስብስብ የሮቦት ክዋኔ ተግባራትን የመገምገም አካባቢ ግንባታን ይደግፋል፣ እንዲሁም ለተለያዩ የነገር መስተጋብር፣ የቦታ አቀማመጥ እና የአካባቢ ሁኔታዎች የሞዴል ችሎታ ሙከራ መሰረታዊ ሀብቶችን ያቀርባል።
ሞዴሎች በማስመሰል ውስጥ ያገኙት ውጤት ትክክለኛውን የክዋኔ አፈጻጸም ሊያንጸባርቅ መቻሉ እንዲሁ የግምገማው ቁልፍ ነው። በመድረኩ በታወቀው የተግባራዊ ሙከራ ውጤት መሰረት፣ የRoboColiseum የማስመሰል ግምገማ እና የእውነተኛ መሳሪያ ማሰማራት ተዛማጅነት 89.5% ደርሷል፣ ተመሳሳይ ሞዴል በማስመሰል እና በእውነተኛው ዓለም መካከል ያለው የግምገማ ልዩነት ከ10% ያነሰ ነው፣ ይህም ገንቢዎች ወደ እውነተኛ መሳሪያ ሙከራ ከመግባታቸው በፊት የሞዴል ማጣሪያ እና ችግር መለየት እንዲያደርጉ ማጣቀሻ ይሰጣል።
ሚፈንግ ቴክኖሎጂ "ሙሉ፣ ጥሩ እና ፈጣን" የውሂብ አቅርቦት ስርዓትን ያቀርባል፣ ይህም ሶስቱን ዋና የውሂብ ዓይነቶች የሆኑትን እውነተኛ መሳሪያ፣ ማስመሰል እና አካላዊ አካል የሌለውን ይሸፍናል። በማስመሰል በኩል፣ ሚፈንግ የነገር ንብረት እና የአካባቢ ንብረት የሚባሉ ሁለት ዓይነት ሀብቶችን ያቀርባል፣ ይህም የተለያዩ የዕለት ተዕለት ዕቃዎችን እና የቤት ውስጥ ትእይንቶችን ይሸፍናል፣ እንዲሁም የትእይንት መልሶ ግንባታ፣ የባለሙያ የመንገድ ውሂብ ማግኘት እና የግምገማ ውጤት ማሳያ ችሎታዎችን ያቀርባል፣ ይህም የሞዴል ቡድኖች የተለያዩ ስልጠናዎችን እና ግምገማዎችን እንዲያካሂዱ ይረዳል።
Coliseum በመጀመሪያ የጥንታዊ ሮማ ክብ ውድድር ሜዳን ያመለክታል፣ RoboColiseum ይህንን ምስል በመውሰድ ብዙ ገጽታ ያለው ስርዓታዊ የግምገማ ስርዓት ገነባ፣ ከእውነተኛ መሳሪያ አፈጻጸም ጋር ከፍተኛ ተዛማጅነት ባለው የማስመሰል ግምገማ ለአካላዊ አእምሮ ሞዴሎች ይፋዊ፣ ገለልተኛ እና እንደገና ሊደገም የሚችል "የውድድር መድረክ" እና "የስልጠና ሜዳ" ገነባ። ማንኛውም የከፍተኛ ትምህርት ተቋም፣ የምርምር ተቋም ወይም የኩባንያ ገንቢ የራሱን ሞዴል አስገብቶ መደበኛ "ፈተና" ሊወስድ ይችላል። ከነሐሴ ወር ጀምሮ ከ100 በላይ የሀገር ውስጥ እና የውጭ ቡድኖች በመድረኩ ላይ የሞዴል ስልጠና እና ግምገማ አካሂደዋል።
RoboColiseum አሁን ለዓለም አቀፍ ገንቢዎች ክፍት ሆኗል፣ የሞዴል ቡድኖች በግምገማው እንዲሳተፉ በደስታ እንጋብዛለን።
