៦០+ ពាន់លានដងនៃសំណើបញ្ញាសិប្បនិម្មិត ត្រូវបានរៀបចំជាទិន្នន័យសាធារណៈមួយ។
វេទិកាផ្តល់សេចក្តីបញ្ចេញការគិតប្រកបដោយវិមជ្ឈការ Chutes បានសហការជាមួយអ្នកស្រាវជ្រាវពីសាកលវិទ្យាល័យ Harvard ដើម្បីបង្ហាញឈុតទិន្នន័យមេតាទិន្នន័យសេវាប្រភេទម៉ូដែលធំ (large model) ដែលអាចនឹងមានទំហំធំបំផុតក្នុងចំណោមប្រភេទដូចគ្នា។ ទិន្នន័យគ្របដណ្តប់មួយឆ្នាំ ពីថ្ងៃទី 11 ខែមេសា ឆ្នាំ 2025 ដល់ថ្ងៃទី 12 ខែមេសា ឆ្នាំ 2026 រួមមានការសំណើ ៦,១១២,២៤១,៣៧៥,៦៥៦ ដង ម៉ូដែល ៩,១៧៤ ប្រភេទ អ្នកប្រើប្រាស់អនាមិក ៣១៧០០៤៩៧០ នាក់ ហើយអាចទាញយកតាមវេទិកាចែករំលែកកូដ និងការផ្ទុករបស់ស្ថាប័នសិក្សា។
អ្វីដែលបញ្ចេញគឺមេតាទិន្នន័យ មិនមែនខ្លឹមសារសន្ទនា។ ក្នុងនោះមានពេលវេលា ចំនួន token ការពន្យារពេល (latency) និងពេលវេលាឆ្លើយតបដំបូង (time to first response) ប៉ុន្តែមិនមានការណែនាំ (prompt) និងគ្មានចម្លើយ។ វិធីដាក់តែមេតាទិន្នន័យបែបនេះ គឺជាការបោះបង់ម្តងមួយរវាងភាពឯកជន និងភាពអាចស្រាវជ្រាវបាន។
ចំពោះចរាចរណ៍ក្នុងរយៈពេលមួយឆ្នាំនោះ token ចូលប្រហែល ៣៥.៨ trillion ហើយ token ចេញប្រហែល ២.៥២ trillion។ សេចក្តីសន្និដ្ឋានមួយដែលអ្នកស្រាវជ្រាវបានផ្តល់គឺថា ប្រហែល ៩៩% នៃសំណើ ត្រូវបានធ្វើម្តងទៀតក្នុងរយៈពេល ១៥ នាទី ហើយលេខទាំងនេះអនុញ្ញាតឲ្យពិភពខាងក្រៅអាចប៉ាន់ស្មានជាលើកដំបូងនូវរចនាសម្ព័ន្ធចំណាយនៃសេវាដាក់គំនិត (inference) ដោយផ្អែកលើចរាចរណ៍ពិតៗ។
សមាមាត្រនេះមានន័យផ្នែកហេដ្ឋារចនាសម្ព័ន្ធយ៉ាងផ្ទាល់។ ដោយសារសំណើច្រើនត្រូវបានធ្វើម្តងទៀតក្នុងពេលខ្លី មានឱកាសធ្វើឲ្យប្រសើរឡើងច្រើនសម្រាប់ការរក្សាទុកជាមុន (caching) និងការរៀបចំការបញ្ជូន (scheduling) មិនមែនគ្រាន់តែបង្កើនកម្លាំងគណនាទេ ហើយតម្លៃដែលកើតពីអត្រាធ្វើម្តងទៀតអាចខ្ពស់ជាងទំហំពារ៉ាម៉ែត្រខ្លួនឯង។
សំណួរថ្លៃបំផុត ជារឿយៗជាសំណួរដែលត្រូវបានសួរដដែលៗច្រើនដង។
#人工智能 #ទិន្នន័យ
វេទិកាផ្តល់សេចក្តីបញ្ចេញការគិតប្រកបដោយវិមជ្ឈការ Chutes បានសហការជាមួយអ្នកស្រាវជ្រាវពីសាកលវិទ្យាល័យ Harvard ដើម្បីបង្ហាញឈុតទិន្នន័យមេតាទិន្នន័យសេវាប្រភេទម៉ូដែលធំ (large model) ដែលអាចនឹងមានទំហំធំបំផុតក្នុងចំណោមប្រភេទដូចគ្នា។ ទិន្នន័យគ្របដណ្តប់មួយឆ្នាំ ពីថ្ងៃទី 11 ខែមេសា ឆ្នាំ 2025 ដល់ថ្ងៃទី 12 ខែមេសា ឆ្នាំ 2026 រួមមានការសំណើ ៦,១១២,២៤១,៣៧៥,៦៥៦ ដង ម៉ូដែល ៩,១៧៤ ប្រភេទ អ្នកប្រើប្រាស់អនាមិក ៣១៧០០៤៩៧០ នាក់ ហើយអាចទាញយកតាមវេទិកាចែករំលែកកូដ និងការផ្ទុករបស់ស្ថាប័នសិក្សា។
អ្វីដែលបញ្ចេញគឺមេតាទិន្នន័យ មិនមែនខ្លឹមសារសន្ទនា។ ក្នុងនោះមានពេលវេលា ចំនួន token ការពន្យារពេល (latency) និងពេលវេលាឆ្លើយតបដំបូង (time to first response) ប៉ុន្តែមិនមានការណែនាំ (prompt) និងគ្មានចម្លើយ។ វិធីដាក់តែមេតាទិន្នន័យបែបនេះ គឺជាការបោះបង់ម្តងមួយរវាងភាពឯកជន និងភាពអាចស្រាវជ្រាវបាន។
ចំពោះចរាចរណ៍ក្នុងរយៈពេលមួយឆ្នាំនោះ token ចូលប្រហែល ៣៥.៨ trillion ហើយ token ចេញប្រហែល ២.៥២ trillion។ សេចក្តីសន្និដ្ឋានមួយដែលអ្នកស្រាវជ្រាវបានផ្តល់គឺថា ប្រហែល ៩៩% នៃសំណើ ត្រូវបានធ្វើម្តងទៀតក្នុងរយៈពេល ១៥ នាទី ហើយលេខទាំងនេះអនុញ្ញាតឲ្យពិភពខាងក្រៅអាចប៉ាន់ស្មានជាលើកដំបូងនូវរចនាសម្ព័ន្ធចំណាយនៃសេវាដាក់គំនិត (inference) ដោយផ្អែកលើចរាចរណ៍ពិតៗ។
សមាមាត្រនេះមានន័យផ្នែកហេដ្ឋារចនាសម្ព័ន្ធយ៉ាងផ្ទាល់។ ដោយសារសំណើច្រើនត្រូវបានធ្វើម្តងទៀតក្នុងពេលខ្លី មានឱកាសធ្វើឲ្យប្រសើរឡើងច្រើនសម្រាប់ការរក្សាទុកជាមុន (caching) និងការរៀបចំការបញ្ជូន (scheduling) មិនមែនគ្រាន់តែបង្កើនកម្លាំងគណនាទេ ហើយតម្លៃដែលកើតពីអត្រាធ្វើម្តងទៀតអាចខ្ពស់ជាងទំហំពារ៉ាម៉ែត្រខ្លួនឯង។
សំណួរថ្លៃបំផុត ជារឿយៗជាសំណួរដែលត្រូវបានសួរដដែលៗច្រើនដង។
#人工智能 #ទិន្នន័យ
