„Google“ su „Gemini-exp-1121“, nauju eksperimentu iš „Gemini“ serijos, stipriai pasirodė didžiųjų kalbų modelių (LLM) konkurse. Dėl 20 procentų našumo padidėjimo lyginant su „OpenAI“ GPT-4o programavimo, matematikos ir vizualinio atpažinimo srityse, modelis žymi svarbų postūmį dirbtinio intelekto sprendimų kūrime.

Gemini-exp-1121 sprendžia pagrindinį iššūkį, su kuriuo susiduria daugelis LLM: universalaus panaudojimo ir specializuoto veikimo suderinamumą. Nors ankstesni modeliai dažnai puikiai veikia konkrečioje srityje, tokioje kaip kodavimas ar bendras kalbų supratimas, trūksta sprendimų, kurie vienu metu atitiktų įvairius reikalavimus. Google siekia užpildyti šią spragą su Gemini-exp-1121.

Modelis pagrįstas optimizuota transformatorių architektūra ir naudoja pažangius paieškos mechanizmus, kurie jį aprūpina realaus laiko duomenimis. Ši architektūra leidžia padidinti tikslumą ir aktualumą apdorojant sudėtingą informaciją. Programavimo srityje „Gemini-exp-1121“ dėl išsamaus derinimo su realiomis programavimo kalbomis ir struktūrų duomenimis pasiekė žymiai geresnį sėkmės rodiklį.

Be to, gilesnė konteksto analizė pagerino modelio matematinius gebėjimus, todėl jis gali efektyviau spręsti sudėtingas užduotis. Jo multimodalinė architektūra taip pat leidžia sklandžiai integruoti teksto ir vaizdo apdorojimą, todėl jis yra idealus, pavyzdžiui, vizualinio pasakojimo užduotims ar automatiniam kodo generavimui pagal dizainus.

Patobulinti „Gemini-exp-1121“ gebėjimai pirminiuose bandymuose rodo konkretų pranašumą. „Google“ praneša apie 20 procentų didesnę sėkmės normą kodavimo užduotyse, palyginti su GPT-4o. Vizualinio atpažinimo srityje modelis pasiekia žymiai tikslesnę konteksto ir vaizdų turinio aprašymo kokybę. Įmonės galėtų taip automatizuoti sudėtingus darbo procesus, kaip programėlių kūrimą ar produktų dizainą, o švietimo įstaigos galėtų pasinaudoti pagerėjusiais problemų sprendimo gebėjimais.

Su „Gemini-exp-1121“ Google patvirtina savo pretenzijas vadovauti modernių DI technologijų vystymui. Orientuodamasis į kodavimą, matematiką ir vizualinį apdorojimą, modelis siūlo atsaką į ankstesnę „OpenAI“ dominavimą. Technikos universalumo ir taikymo orientuotumo derinys pozicionuoja „Gemini-exp-1121“ kaip svarbų etapą LLM vystymesi.