Skip to content
DeepSeek-R1 चा अमेरिकी गणित स्पर्धेतील गुण प्रशिक्षणादरम्यान केवळ बरोबर उत्तरांच्या बक्षिसावर १५.६% वरून ७७.९% झाला, आणि नेचरने शोधनिबंधासोबत समीक्षकांचे अहवाल प्रसिद्ध केले
एआय आणि तंत्रज्ञान

DeepSeek-R1 चा अमेरिकी गणित स्पर्धेतील गुण प्रशिक्षणादरम्यान केवळ बरोबर उत्तरांच्या बक्षिसावर १५.६% वरून ७७.९% झाला, आणि नेचरने शोधनिबंधासोबत समीक्षकांचे अहवाल प्रसिद्ध केले

चित्रण: tuput

मराठी

DeepSeek चा R1 शोधनिबंध नेचरमध्ये १७ सप्टेंबर २०२५ रोजी (खंड ६४५, पृष्ठे ६३३ ते ६३८) प्रसिद्ध झाला. त्यानुसार भाषा मॉडेलला केवळ अंतिम उत्तर बरोबर आल्यास बक्षीस दिले तर, नक्कल करायला मानवांनी लिहिलेली सोडवलेली उदाहरणे नसतानाही, ते स्वतःची पडताळणी करणारी लांब उत्तरे लिहायला शिकू शकते. जर्नलने आठ समीक्षकांचे अहवाल आणि लेखकांची उत्तरेही प्रसिद्ध केली.

· · 8 मिनिटांचे वाचन

१७ सप्टेंबर २०२५ रोजी नेचरने हांगझोऊ येथील DeepSeek कंपनीच्या तर्क करणाऱ्या मॉडेल DeepSeek-R1 मागील शोधनिबंध खंड ६४५, पृष्ठे ६३३ ते ६३८ मध्ये प्रसिद्ध केला. त्याचा मध्यवर्ती निष्कर्ष असा आहे की भाषा मॉडेलला केवळ अंतिम उत्तर बरोबर आल्यास बक्षीस दिले तर, नक्कल करायला मानवांनी लिहिलेली सोडवलेली उदाहरणे नसतानाही, ते स्वतःची पडताळणी करणारी लांब उत्तरे लिहायला शिकू शकते. २०२४ च्या अमेरिकन इन्व्हिटेशनल मॅथेमॅटिक्स एक्झामिनेशन (AIME) मध्ये, म्हणजे उच्च माध्यमिक विद्यार्थ्यांसाठीच्या, ज्यात उत्तरे एकेक संख्या असतात अशा अमेरिकी गणित स्पर्धेत, मॉडेलची पहिली आवृत्ती R1-Zero प्रशिक्षणादरम्यान सरासरी १५.६% बरोबर उत्तरांवरून ७७.९% वर गेली, असे शोधनिबंधाच्या आकृती १ नुसार आहे. अनेक नमुना उत्तरांवरील बहुमताच्या मतदानाने ते ८६.७% वर गेले.

नेचरने शोधनिबंधासोबत समीक्षकांचे अहवाल आणि लेखकांची उत्तरे प्रसिद्ध केली, आणि त्याची पूरक पाने प्रशिक्षणाचे बिल देतात: लेखकांनी गृहीत धरलेल्या GPU भाड्याच्या दराने २,९४,००० डॉलर. असे मॉडेल कसे प्रशिक्षित होते, प्रत्येक कल्पना कुठून आली, आणि समवयस्क पुनरावलोकनाने काय बदलले, ते पुढे स्पष्ट केले आहे.

शोधनिबंध काय सांगतो

R1-Zero ची सुरुवात DeepSeek-V3 Base पासून होते, जे वेबवरील मजकुरावर आधीच पूर्वप्रशिक्षित मॉडेल आहे (पूर्वप्रशिक्षणाचा टप्पा आमच्या प्रशिक्षणावरील स्पष्टीकरणात आहे). त्यानंतर लेखकांनी रिइन्फोर्समेंट लर्निंग वापरले, ही चाचणी-आणि-चूक पद्धत आहे ज्यात मॉडेलच्या स्वतःच्या उत्तरांना गुण दिले जातात आणि चांगले गुण मिळवणाऱ्यांकडे मॉडेलला ढकलले जाते. नेहमीचा पर्यवेक्षित फाइन-ट्यूनिंगचा टप्पा, ज्यात लोक मॉडेलला नक्कल करण्यासाठी सोडवलेली उदाहरणे देतात, त्यांनी वगळला. बक्षीस केवळ अंतिम उत्तर ज्ञात बरोबर उत्तराशी जुळते की नाही यावर अवलंबून होते. रूपाबाबतची एकमेव सूचना म्हणजे मॉडेलने आपले तर्क think टॅगांमध्ये आणि उत्तर answer टॅगांमध्ये ठेवावे असे सांगणारा साचा.

प्रशिक्षणादरम्यान उत्तरे लांब होत गेली आणि त्यात पडताळणी, चिंतन आणि पर्यायी दृष्टिकोनांचा शोध येऊ लागला, असे शोधनिबंध म्हणतो, जरी लेखकांनी मॉडेलला तर्क कसा करायचा ते स्पष्टपणे शिकवले नव्हते. R1-Zero मध्ये दोष होते: त्याचा मजकूर वाचायला कठीण होता आणि कधी कधी एकाच उत्तरात इंग्रजी आणि चिनी मिसळत होते. म्हणून चमूने DeepSeek-R1 टप्प्याटप्प्याने तयार केले. ते संवादात्मक शैलीत लिहिलेल्या हजारो कोल्ड-स्टार्ट उदाहरणांनी सुरू होते, रिइन्फोर्समेंट लर्निंग जोडते, मग रिजेक्शन सॅम्पलिंग (केवळ मॉडेलचे चांगले आउटपुट ठेवणे) आणि पर्यवेक्षित फाइन-ट्यूनिंगची दुसरी फेरी, आणि उपयुक्तता व निरुपद्रवीपणावर लक्ष्य असलेल्या दुसऱ्या रिइन्फोर्समेंट टप्प्याने संपते.

DeepSeek ची प्रकाशन टिप्पणी मॉडेलची तारीख २० जानेवारी २०२५ देते आणि म्हणते की कोड आणि मॉडेलना MIT परवाना आहे, आणि सहा लहान डिस्टिल्ड मॉडेलही प्रसिद्ध झाली. मॉडेल कार्डवर DeepSeek ने R1 ला AIME 2024 वर ७९.८% दिले आहेत, ज्या मॉडेलवर ते बांधले गेले त्या DeepSeek-V3 च्या ३९.२% च्या तुलनेत, तापमान ०.६ वर प्रति प्रश्न ६४ नमुना उत्तरे वापरून. मॉडेलचे उत्तराधिकारी चिनी ओपन-वेट मॉडेलवरील आमच्या आढाव्यात आहेत. हगिंग फेसवरील मॉडेलच्या पानावर आम्ही १२ नोव्हेंबर २०२६ रोजी ते उघडले तेव्हा आजवर सुमारे ५.१५ कोटी डाउनलोड नोंदले होते.

शोधनिबंध ज्यावर उभा आहे त्या तीन आधीच्या कल्पना

मॉडेल आपल्या पायऱ्या लिहून काढते तेव्हा ते चांगले कामगिरी करते ही कल्पना आधी प्रॉम्प्टिंगमधून आली. गुगलच्या जेसन वेई आणि सहकाऱ्यांनी चेन-ऑफ-थॉट निबंध २८ जानेवारी २०२२ रोजी प्रसिद्ध केला. ते नोंदवतात की ५४० अब्ज पॅरामीटरच्या मॉडेलने, केवळ आठ सोडवलेली उदाहरणे दाखवल्यावर, GSM8K वर, म्हणजे शालेय गणिताच्या शब्दकोड्यांच्या संचावर, अत्याधुनिक अचूकता गाठली. २४ मे २०२२ रोजी ताकेशी कोजिमा आणि सहकाऱ्यांनी दाखवले की “Let’s think step by step” हे शब्द जोडल्याने एका मोठ्या मॉडेलची अचूकता MultiArith वर १७.७% वरून ७८.७% आणि GSM8K वर १०.४% वरून ४०.७% झाली, एकही उदाहरण न देता.

तिसरा धागा म्हणजे पायऱ्यांवरीलच अभिप्राय. ३१ मे २०२३ रोजी प्रसिद्ध झालेल्या निबंधात OpenAI च्या संशोधकांनी केवळ अंतिम निकालाला बक्षीस देण्याची तुलना प्रत्येक मधल्या पायरीला बक्षीस देण्याशी केली. MATH डेटासेटवर पायरी-स्तरावरील अभिप्राय जिंकला, सर्वोत्तम मॉडेलने प्रातिनिधिक उपसंचाचे ७८% सोडवले, आणि चमूने PRM800K प्रसिद्ध केले, म्हणजे लोकांनी लिहिलेली ८,००,००० पायरी-स्तरावरील लेबले.

यातील प्रत्येकाला माणसे लागली: उदाहरणांसाठी, किंवा प्रत्येक पायरीच्या लेबलांसाठी. नेचर शोधनिबंधाची प्रस्तावना असा युक्तिवाद करते की मानवांनी भाष्य केलेल्या तर्क-नोंदींवर अवलंबून राहिल्याने प्रमाण वाढवणे मंदावते आणि मॉडेलला त्याला दाखवलेल्या उदाहरणांच्या दर्जापर्यंतच मर्यादित ठेवते. त्यांची चाचणी अशी होती की पायाभूत मॉडेल केवळ बक्षिसावरून चांगल्या तर्क-युक्त्या शोधू शकते का.

गणिताचे उत्तर यंत्र का तपासू शकते

लेखक तर्क-कामांवर दोन प्रकारची नियमाधारित बक्षिसे वापरतात. अचूकता बक्षीस उत्तर तपासते: गणिताच्या प्रश्नात अंतिम उत्तर ठरावीक रूपात, उदाहरणार्थ चौकटीत, हवे असते, म्हणून प्रोग्राम ते उत्तरसूचीशी तुलना करू शकतो, आणि कोड कंपायलरद्वारे पूर्वनिश्चित चाचणी प्रकरणांवर चालवला जातो. रूप बक्षीस तर्क टॅगांच्या आत आहेत का ते तपासते. दोन्ही समान वजनाने जोडले जातात.

तर्क-कामांवर त्यांनी शिकलेले बक्षीस मॉडेल, म्हणजे उत्तरांना गुण देणारे दुसरे न्यूरल नेटवर्क, न वापरण्याचे ठरवले. शोधनिबंध म्हणतो की अशी मॉडेल मोठ्या प्रमाणातील प्रशिक्षणात रिवॉर्ड हॅकिंगला खुली असतात, म्हणजे मॉडेल समस्या सोडवण्याऐवजी गुण देणाऱ्याला खूश करायला शिकते, आणि त्यांना पुन्हा प्रशिक्षित करायला अतिरिक्त संगणकीय खर्च येतो.

शिकण्याची पद्धत ग्रुप रिलेटिव्ह पॉलिसी ऑप्टिमायझेशन, म्हणजे GRPO आहे. प्रत्येक प्रश्नासाठी मॉडेल उत्तरांचा एक गट लिहिते, R1-Zero च्या फेरीत १६. प्रत्येक उत्तराच्या बक्षिसाची गटाच्या सरासरीशी आणि पसाऱ्याशी तुलना केली जाते, आणि सरासरीपेक्षा वरची उत्तरे अधिक संभाव्य केली जातात. नेचर शोधनिबंधाच्या आकृतीचे शीर्षक म्हणते की हे जुन्या PPO पद्धतीत वापरल्या जाणाऱ्या वेगळ्या व्हॅल्यू फंक्शनशिवाय, गटाच्या गुणांवरून थेट फायद्याचा अंदाज बांधते. GRPO ची ओळख DeepSeek च्या चमूने ५ फेब्रुवारी २०२४ च्या DeepSeekMath निबंधात करून दिली, जिथे ७ अब्ज पॅरामीटरच्या मॉडेलने MATH बेंचमार्कवर ५१.७% गाठले; नेचर शोधनिबंध त्या कामाचा हवाला देतो आणि आपल्या पद्धती विभागात ही पद्धत वर्णन करतो.

R1-Zero ने १०,४०० पायऱ्या प्रशिक्षण घेतले. प्रत्येक पायरीत ३२ प्रश्न आणि प्रत्येकी १६ उत्तरे वापरली, म्हणजे ५१२ उत्तरे, ३२,७६८ टोकनांच्या लांबी मर्यादेसह, जी पायरी ८,२०० नंतर ६५,५३६ केली गेली.

प्रशिक्षणाच्या वक्रांनी काय दाखवले

शोधनिबंध नोंदवतो की प्रशिक्षणादरम्यान सरासरी उत्तराची लांबी सातत्याने वाढली, आणि मॉडेल स्वतःचे काम तपासताना शेकडो ते हजारो टोकन लिहू लागले. त्याचे एक्स्टेंडेड डेटा चित्र आउटपुटमधील “wait”, “mistake” आणि “verify” सारखे चिंतनशील शब्द मोजते. “wait” हा शब्द सुरुवातीला जवळजवळ नव्हता, पायरी ४,००० ते ७,००० दरम्यान अधूनमधून आला, आणि पायरी ८,००० नंतर झपाट्याने वाढला. लेखक एका मधल्या उदाहरणाला “aha moment” म्हणतात.

समीक्षकांनी या वाचनाला काळजीने हाताळले. एकाने लिहिले की हा परिणाम दुसऱ्या गटाने लहान प्रमाणात पुन्हा घडवला आहे, आणि जोडले की एका वेगळ्या निबंधानुसार aha moment मुख्यत्वे पायाभूत मॉडेलच्या दर्जाचे प्रतिबिंब असू शकतो. दुसऱ्याने नोंदवले की सर्व मूल्यमापने केवळ अंतिम उत्तरांना गुण देतात, मधल्या मजकुराला नाही, म्हणून लिहिलेल्या पायऱ्यांची सुसंगती मोजली जात नाही. म्हणून हा लेख त्यांना मॉडेल लिहून काढत असलेल्या मधल्या पायऱ्या म्हणून वर्णन करतो, आणि मॉडेल विचार करते असा दावा करत नाही.

प्रशिक्षणाच्या बिलात काय येते

पूरक माहितीत R1-Zero साठी १,०१,००० H800 GPU तास, फाइन-ट्यूनिंग डेटा तयार करण्यासाठी ५,००० तास आणि R1 साठी ४१,००० तास, एकूण १,४७,००० दिले आहेत. प्रति GPU तास २ डॉलर भाडे गृहीत धरल्यास ते २,९४,००० डॉलर होते. फेरीत ६४ गुणिले ८ H800 GPU वापरले, म्हणजे ५१२ चिप, R1-Zero साठी सुमारे १९८ तास आणि R1 साठी सुमारे ८० तास. लेखक सांगतात की त्यांनी आधी ३० अब्ज पॅरामीटरच्या मॉडेलवर A100 GPU वापरून तयारी केली.

हा आकडा केवळ तर्काच्या टप्प्यांचा आहे. नेचरसाठी वार्तांकन करणारे सायंटिफिक अमेरिकन नोंदवते की तो DeepSeek ने पायाभूत मॉडेलवर खर्च केलेल्या सुमारे ६० लाख डॉलरांच्या वर आहे. पूरक पाने DeepSeek-V3 चे वर्णन ६७१ अब्ज पॅरामीटरचे, त्यातील ३७ अब्ज प्रत्येक टोकनसाठी सक्रिय, आणि १४.८ ट्रिलियन टोकनांवर प्रशिक्षित असे करतात.

समीक्षकांनी काय विचारले, आणि काय बदलले

हस्तलिखित १४ फेब्रुवारी २०२५ रोजी मिळाले, १७ जुलै २०२५ रोजी स्वीकारले गेले आणि १७ सप्टेंबर २०२५ रोजी प्रसिद्ध झाले. नेचरचे संपादकीय म्हणते की आठ तज्ज्ञांनी त्याचे पुनरावलोकन केले आणि अहवाल व उत्तरे त्यासोबत प्रसिद्ध केली गेली. हगिंग फेसचे लुईस टनस्टॉल, नाव घेतलेल्या समीक्षकांपैकी एक, यांनी नेचरला सांगितले की ही प्रथा “a very welcome precedent” आहे. ओहायो स्टेट विद्यापीठाच्या हुआन सन म्हणाल्या, “Other firms should do the same.”

अनेक बदल नोंदलेले आहेत. एका समीक्षकाने लेखकांना मॉडेलच्या मधल्या मजकुराचे मानवी शब्दांत वर्णन कमी करण्याचा आग्रह केला. लेखकांनी ती शब्दरचना काढून टाकली, आणि आपल्या उत्तरात मान्य केले की मानवासारखे नमुने वापरकर्त्यांना आउटपुटवर जास्त विश्वास ठेवायला लावू शकतात, आणि तो धोका सुधारित मजकुरात जोडला. समीक्षकांनी दूषणाबद्दलही विचारले, म्हणजे चाचणीचे प्रश्न प्रशिक्षण डेटामध्ये झिरपणे (AI बेंचमार्कचे ऑडिट निर्मात्यांचे आकडे काळजीने का वाचले जातात ते दाखवतात). नेचरच्या संपादकीयानुसार DeepSeek ने आपल्या सुरक्षा उपायांचे तपशील पुरवले आणि मॉडेलच्या प्रकाशनानंतर प्रसिद्ध झालेल्या बेंचमार्कवर मूल्यमापने जोडली. पूरक पाने AIME 2025 वर ७५% नोंदवतात, OpenAI च्या o1-1217 च्या ८०% च्या तुलनेत, आणि AMC 12 2024 स्पर्धेत १५० पैकी १४३.७ गुण, o1-1217 च्या १४१.० च्या तुलनेत, हे सर्व DeepSeek च्या स्वतःच्या चाचण्यांत. ते हेही मान्य करतात की दूषणाविरुद्ध वापरलेले n-ग्रॅम फिल्टरिंग पुन्हा शब्दबद्ध केलेले चाचणी प्रश्न पकडू शकत नाही, म्हणून २०२४ पूर्वी प्रसिद्ध झालेले बेंचमार्क अजूनही प्रभावित असू शकतात.

तिसरा बदल म्हणजे सुरक्षा विभाग. नेचरचे संपादकीय म्हणते की समीक्षकांनी सुरक्षा चाचण्यांबाबत माहितीच्या अभावाकडे लक्ष वेधले, आणि शोधनिबंध आता R1 ची स्पर्धक मॉडेलशी तुलना करतो; तो निष्कर्ष काढतो की R1 ची अंगभूत सुरक्षा पातळी मध्यम आहे, १३ मे २०२४ च्या GPT-4o शी तुलनेय. OpenAI च्या डेटाच्या प्रश्नावर सायंटिफिक अमेरिकन कळवते की DeepSeek ने समीक्षकांना सांगितले की R1 ने OpenAI मॉडेलनी तयार केलेल्या तर्क-उदाहरणांची नक्कल करून शिक्षण घेतले नाही, तसेच हेही मान्य केले की त्याचे पायाभूत मॉडेल अशा वेबपानांवर प्रशिक्षित झाले ज्यात AI ने तयार केलेला मजकूर असणार. सन यांनी या खंडनाला “as convincing as what we could see in any publication” म्हटले; टनस्टॉल म्हणाले की ते पूर्ण खात्रीने सांगू शकत नाहीत, पण इतर प्रयोगशाळांच्या पुनरावृत्तीच्या प्रयत्नांवरून ही कृती त्याशिवाय चालते असे दिसते. प्रशिक्षणाचा डेटा स्वतः प्रसिद्ध केला गेला नाही, ही मर्यादा एका समीक्षकाने पुनरुत्पादनक्षमतेसाठी नोंदवली.

लेखक काय अनुत्तरित म्हणून नोंदवतात

शोधनिबंधाचा स्वतःचा मर्यादा विभाग अनेक गोष्टी नावाने सांगतो. R1 चे संरचित आउटपुट विद्यमान मॉडेलपेक्षा कमकुवत आहे, आणि ते शोध इंजिन किंवा कॅल्क्युलेटरसारखी साधने वापरू शकत नाही. ते कधी कधी सोप्या प्रश्नांवर खूप टोकन खर्च करते. ते चिनी आणि इंग्रजीसाठी जुळवलेले आहे आणि दुसऱ्या भाषेत विचारले तरी इंग्रजीत तर्क करू शकते. फ्यू-शॉट प्रॉम्प्टिंगमुळे ते वाईट होते, म्हणून लेखक समस्या थेट वर्णन करण्याची शिफारस करतात. सॉफ्टवेअर-इंजिनिअरिंगच्या चाचण्या चालायला वेळ लागतो म्हणून तेथे मोठ्या प्रमाणावरील रिइन्फोर्समेंट लर्निंग क्वचितच वापरले गेले, आणि त्या बेंचमार्कवर R1 ला DeepSeek-V3 पेक्षा मोठा फायदा दिसत नाही.

या पद्धतीला विश्वासार्ह पडताळक लागतो. लेखनासारख्या कामांसाठी, जिथे कोणताही नियम उत्तराला गुण देऊ शकत नाही, लेखकांनी मानवाने भाष्य केलेला डेटा आणि केवळ शेकडो रिइन्फोर्समेंट पायऱ्या वापरल्या. सामान्य डेटासाठी मॉडेलआधारित बक्षीस दुसऱ्या टप्प्याच्या १,७०० पायऱ्यांपैकी शेवटच्या ४०० पर्यंत मर्यादित ठेवले, कारण जास्त काळ वापराने रिवॉर्ड हॅकिंग झाले.

Share
Copied!

स्रोत आणि पुढील वाचन

  1. Guo and others (DeepSeek-AI): DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning, Nature 645, 633 to 638 (17 September 2025)
  2. Nature: Supplementary Information for the DeepSeek-R1 paper (cost table, evaluation settings, decontamination, fresh test sets)
  3. Nature: Peer Review File for the DeepSeek-R1 paper (referee reports and author responses)
  4. arXiv: DeepSeek-R1, Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (arXiv:2501.12948, submitted 22 January 2025, revised 4 January 2026)
  5. Ippolito and Zhang, Nature News and Views: AI can learn to show its workings through trial and error (17 September 2025)
  6. Nature editorial: Bring us your LLMs, why peer review is good for AI models (17 September 2025)
  7. Gibney, Scientific American (with Nature): Secrets of DeepSeek AI model revealed in landmark paper (17 September 2025)
  8. Wei and others (Google): Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (arXiv:2201.11903, 28 January 2022)
  9. Kojima and others: Large Language Models are Zero-Shot Reasoners (arXiv:2205.11916, 24 May 2022)
  10. Lightman and others (OpenAI): Let's Verify Step by Step (arXiv:2305.20050, 31 May 2023)
  11. Shao and others (DeepSeek): DeepSeekMath, Pushing the Limits of Mathematical Reasoning in Open Language Models (arXiv:2402.03300, 5 February 2024)
  12. DeepSeek: DeepSeek-R1 model card on Hugging Face (MIT licence, evaluation table)
  13. DeepSeek API Docs: DeepSeek-R1 Release (20 January 2025)

हा लेख AI साधनांच्या मदतीने संशोधित आणि लिहिला गेला असून अचूकतेसाठी संपादित केला आहे. हा केवळ सर्वसाधारण माहिती आणि चर्चेसाठी आहे, व्यावसायिक सल्ला नाही. आमचे संपादकीय मानक आणि अस्वीकरण पाहा. चूक आढळली? आम्हाला कळवा.

#reasoning models#deepseek-r1#chain of thought#reinforcement learning#grpo#peer review#nature#ai training

आवडलं? पुढचा लेख मिळवा.

एका वेळी एक चांगला लेख, थेट तुमच्या इनबॉक्समध्ये. स्पॅम नाही, हवं तेव्हा थांबवा.

याच विभागात आणखी: एआय आणि तंत्रज्ञान
गुगल डीपमाइंडच्या एआय चक्रीवादळ मॉडेलची पाच दिवसांची सरासरी मार्ग-चूक नेचरमधील शोधनिबंधानुसार २३० किलोमीटर होती, तर युरोपीय एन्सेम्बलची ३७०, आणि अती तीव्र वाढ हा अजून सुटलेला प्रश्न आहे असे त्याचे स्वतःचे लेखक म्हणतात
मॉडेलची चाचणी त्याने कधीच न पाहिलेल्या वादळांवर झाली, आणि प्रत्यक्ष हंगामातील तपासणी अटलांटिक आणि पूर्व पॅसिफिकपुरती आहे. १९७० ते २०१९ मधील चक्रीवादळ मृत्यूंपैकी ८४% बांगलादेश, म्यानमार आणि भारतात नोंदले गेले, असे डब्ल्यूएमओची मोजणी सांगते, आणि उत्तर हिंद महासागर पूरक दस्तऐवजात एका नाव दिलेल्या नकाशा-पटलापुरता येतो.
Google च्या आठ लेखकांनी १२ जून २०१७ रोजी Transformer शोधनिबंध प्रसिद्ध केला, आणि त्यातील मोठ्या मॉडेलने आठ GPU वर ३.५ दिवस प्रशिक्षणानंतर इंग्रजी ते जर्मन भाषांतरात २८.४ BLEU गुण मिळवले
आजच्या चॅटबॉटमागच्या रचनेची सफर, शोधनिबंधाच्याच तक्त्यांसह आणि नदीकडे पाहावे लागणाऱ्या शब्दाच्या Google च्याच उदाहरणासह. २०१७ च्या रचनेचे कोणते भाग नंतरच्या मॉडेलांनी ठेवले, बदलले किंवा सोडले, तेही यात आहे.
१७ फेब्रुवारी २०२६ रोजी जयपूरमध्ये सुरू झालेले Bharat-VISTAAR शेतकऱ्याला १५५२६१ वर फोन करून एआय सल्लागाराला प्रश्न विचारू देते आणि ICAR, IMD, Agmarknet व AgriStack ची माहिती वापरते
१५५२६१ वरील एका कॉलने ICAR च्या सल्ला पुस्तिका, हवामान आणि मंडी माहिती वापरणाऱ्या एआय सल्लागारापर्यंत पोहोचता येते. सुरुवातीची प्रसिद्धिपत्रके, भाषा आराखडा आणि आतापर्यंत प्रकाशित वापराचे आकडे, तारखा व स्रोतांसह मांडले आहेत.
← सर्व लेख