స్వీయ-ఇంటెలిజెన్స్ నెట్‌వర్క్ యొక్క కొత్త శకం: పెద్ద-మోడల్ ఆధారిత భవిష్యత్తు

BBS లో బీజింగ్ ఇంటెలిజెంట్ నెట్‌వర్క్ మోడల్‌లో జరిగిన 2023 AI నెట్‌వర్క్ ఇన్నోవేషన్ కాన్ఫరెన్స్, ZTE కేబుల్ ప్రొడక్ట్స్ మోడల్ సీనియర్ ఆర్కిటెక్ట్ జియాన్-గువో లు విజ్డమ్ నెట్‌వర్క్ న్యూ ఎరాను చేసాడు: బిగ్ మోడల్ డ్రైవ్ ZTE యొక్క భవిష్యత్తును చక్కటి ట్యూనింగ్ డైరెక్షనల్ మోడల్ సామర్థ్యం ద్వారా కార్పస్ యొక్క ప్రాక్టీస్ టెారెక్టర్‌ను పెంచడానికి మరియు డిజిటల్ ట్వీన్ డేటా సైకిల్ యొక్క పెద్ద నమూనాను ఉపయోగించడం ద్వారా.
AI ఎనేబుల్, డిజిటల్ ట్విన్ అండ్ ఇంటెన్షన్ డ్రైవ్ వంటి అనేక కీలక సాంకేతికతలు L4 నుండి L5 వరకు స్వీయ-ఇంటెలిజెన్స్ నెట్‌వర్క్ యొక్క ఇంటెలిజెన్స్ స్థాయికి మద్దతు ఇస్తాయని, మరియు స్వీయ-ఇంటెలిజెన్స్ నెట్‌వర్క్ స్వీయ-ఉద్దేశ్యాన్ని పూర్తి చేయడానికి మరియు స్వీయ-ఉద్దేశ్యాన్ని పూర్తి చేయడానికి అభివృద్ధి చెందుతుందని LU జియాన్గువో చెప్పారు. ఈ కీలక సాంకేతిక పరిజ్ఞానాలలో, AI చాలా ముఖ్యమైన ఇంజిన్, మరియు AI టెక్నాలజీలో పెద్ద నమూనాలు కీలకం.
స్వీయ-ఇంటెలిజెన్స్ నెట్‌వర్క్‌కు పెద్ద మోడల్‌ను ఎలా ఉపయోగించాలో, లు జియాన్గువో పెద్ద మోడల్‌కు సూపర్ జనరేషన్ సామర్థ్యాన్ని కలిగి ఉన్నారని మరియు పెద్ద సంఖ్యలో పథకాలను త్వరగా ఉత్పత్తి చేయగలదని ప్రవేశపెట్టారు. మేధో నెట్‌వర్క్ కార్యకలాపాల కోసం, పెద్ద సంఖ్యలో ఆపరేషన్ దశలను అమలు చేయవలసిన అవసరం ఉంది, అధిక డైమెన్షనల్ స్పేస్‌కు సమానం, సరైన పరిష్కారం, అన్ని ప్రక్రియల కోసం సెట్ చేయబడిన పరిష్కారం, NP (బహుపది కాదు) సమస్య వంటి సాధారణ పరిష్కారాల కోసం పెద్ద మోడల్, పెద్ద సంఖ్యలో నమూనాలు, మూల్యాంకనం, ఆప్టిమైజేషన్, ఇటరేషన్ సమర్థవంతమైన కత్తిరింపును ఆప్టిమల్ పరిష్కారానికి చేరుకుంటుంది. అయినప్పటికీ, పెద్ద నమూనాలు అనేక పథకాలను ఉత్పత్తి చేస్తున్నప్పటికీ, ఈ పథకాలు ఉపయోగకరంగా ఉన్నాయని నిర్ధారించుకోవడం కష్టం. పెద్ద మోడళ్లకు కొన్ని ఆలోచనా సామర్థ్యం ఉన్నప్పటికీ, సంక్లిష్టమైన తర్కంతో వ్యవహరించేటప్పుడు వారికి ఇంకా మానవ జోక్యం అవసరం. ఈ సమస్యను పరిష్కరించడానికి, క్లోజ్డ్-లూప్ పునరావృతాన్ని రూపొందించడానికి మోడల్ యొక్క పెరుగుతున్న ప్రీ-ట్రైనింగ్ మరియు చక్కటి ట్యూనింగ్ ప్రక్రియలో నిపుణుల అనుభవాన్ని సమగ్రపరచమని ZTE సూచిస్తుంది. ఈ విధంగా, మాన్యువల్ ఫీడ్‌బ్యాక్ రీన్ఫోర్స్‌మెంట్ లెర్నింగ్ నుండి టూల్ ఫీడ్‌బ్యాక్ ఉపబల అభ్యాసానికి సున్నితమైన పరివర్తన గ్రహించవచ్చు, ఇది ఒక వైపు పెద్ద మోడళ్ల తరం సామర్థ్యాన్ని సమర్థవంతంగా ఉపయోగించుకోవచ్చు మరియు మరోవైపు, ఉత్పత్తి చేయబడిన రోగనిర్ధారణ పథకం ఖచ్చితమైనది మరియు నమ్మదగినదని నిర్ధారించుకోండి. ఈ పథకంలో, నాలెడ్జ్ ఇంజనీరింగ్‌తో కలిపి ఆపరేషన్ మరియు మెయింటెనెన్స్ నాలెడ్జ్ మ్యాప్‌ను రూపొందించడానికి ఇది కీలకమైన లింక్. డేటా ఫ్లైవీల్ పథకం యొక్క తరం ఆపరేషన్ మరియు నిర్వహణ జ్ఞాన పటంపై ఆధారపడి ఉంటుంది, తద్వారా మోడల్ భ్రమను నివారించడానికి మరియు తరం పథకం యొక్క విశ్వసనీయత మరియు ఖచ్చితత్వాన్ని నిర్ధారించడానికి. ఈ నాలెడ్జ్ గ్రాఫ్-ఆధారిత విధానం మరింత నమ్మదగిన పరిష్కారాలను అందించడానికి నిపుణుల అనుభవం మరియు మోడల్ జనరేషన్ సామర్థ్యాలను బాగా ఏకీకృతం చేస్తుంది.

పెద్ద మోడల్ యొక్క అప్లికేషన్ లాజిక్ డిజైన్ కోసం, లు జియాన్గువో ప్రాంప్ట్ ఇంజనీరింగ్ ఆధారంగా మోడల్-ఆధారిత క్లోజ్డ్-లూప్ పద్ధతిని ZTE అవలంబిస్తుందని పరిచయం చేసింది. డిజైన్ యొక్క సారాంశం ఏమిటంటే, మానవ భాష (ప్రాంప్ట్ టెంప్లేట్) యొక్క నిర్మాణాత్మక వ్యక్తీకరణను ఇన్‌పుట్‌గా తీసుకోవడం, పెద్ద మోడల్ ద్వారా నిర్మాణాత్మక అవుట్‌పుట్ (అమరిక పథకం) ను రూపొందించడం మరియు చివరకు అప్లికేషన్ ఫ్రేమ్‌వర్క్ యొక్క ఇంటరాక్టివ్ ఎగ్జిక్యూషన్‌ను మిళితం చేయడం. పై తర్కాన్ని గ్రహించడానికి, బహుళ-మోడల్ సామర్ధ్యం పరిణామం, కార్పస్ తయారీ, వనరుల సంబంధాల నాలెడ్జ్ గ్రాఫ్ నాలెడ్జ్ ఇంజెక్షన్, అటామిక్ API కార్పస్ రిజర్వ్ / అటామిక్ API సామర్థ్య రిజర్వ్, బిల్డింగ్ ఆర్టిఫిషియల్ సిమ్యులేషన్ ఫాల్ట్ ఎన్విరాన్మెంట్, డిజిటల్ ట్విన్ ఫాల్ట్ ఫాల్ట్ ఎన్విరాన్మెంట్ మరియు సాధనం తయారీ వంటి అనేక అంశాల నుండి ZTE సాంకేతిక సన్నాహాలు చేస్తుంది.
లు జియాన్గువో చివరకు పెద్ద మోడల్ యొక్క ప్రధాన విలువ దాని ఆవిర్భావ సామర్థ్యంలో ఉందని, అనగా, ఇది ఇప్పటికే ఉన్న జ్ఞానాన్ని కలపడం ద్వారా ఆవిష్కరణను ఉత్పత్తి చేస్తుంది. ఏదేమైనా, ఈ ఉద్భవిస్తున్న సామర్థ్యం యొక్క సాక్షాత్కారం అధిక-నాణ్యత డేటా ఉత్పత్తి, అంగీకారం మరియు అవపాతం మీద ఆధారపడి ఉంటుంది. డేటా యొక్క సద్గుణ చక్రం నిర్ణయించే అంశం.