অ্যান্ট গ্রুপ লিং-3.0-ফ্ল্যাশ-VL মাল্টিমোডাল মডেলটি 124B প্যারামিটার সহ ওপেন সোর্স করেছে

মার্স ক্যাপিটাল সংবাদ, ৯ সেপ্টেম্বর, আলিবাবা গ্রুপ ওপেন সোর্স ঘোষণা করেছে যে বেইলিং সিরিজের প্রথম ন্যাটিভ মাল্টিমোডাল বড় মডেল Ling-3.0-flash-VL প্রকাশ করা হয়েছে এবং ওপেন সোর্স করা হয়েছে। মডেলটি Ling-3.0-flash-এর MoE আর্কিটেকচারের উপর ভিত্তি করে বিস্তৃত, মোট 124B প্যারামিটার রয়েছে, একবারে 5.5B প্যারামিটার সক্রিয় হয়, এটি ন্যাটিভভাবে ইমেজ, টেক্সট এবং ভিডিও ইনপুটকে সমর্থন করে, এবং কনটেক্সট উইন্ডো 256KToken পর্যন্ত। 'কীভাবে আসল কাজগুলি আরও বিশ্বস্তভাবে এবং দক্ষতার সাথে সম্পন্ন করা যায়'—এই প্রশ্নের চারপাশে, Ling-3.0-flash-VL নিম্নলিখিত দিকগুলির উপর ফোকাস করে: বড় মডেলগুলিকে ভিজুয়াল ক্ষমতা যোগ করা, একটি সাধারণ উদ্বেগ হলো এটি টেক্সট-ভিত্তিক বুদ্ধিমত্তা কমিয়ে দেবে। কিন্তু প্রশিক্ষণের অভিজ্ঞতা বিপরীত উত্তরটি দিয়েছে: ন্যাটিভ মাল্টিমোডাল জয়েন্ট ট্রেনিংশুধুমাত্র অ্যাপ্লিকেশনের সীমা বাড়ায়, বরংটেক্সট-ভিত্তিকবুদ্ধিমত্তাকেওউন্নতকরে।Ling-3.0-flash-VLভিজুয়ালফিডব্যাকমেকানিজম—পারফরম্যান্সফলাফলপর্যবেক্ষণ,লক্ষ্যসঙ্গেতুলনা,বিচ্যুতিরসন্ধান,ধারাবাহিকভাবেসংশোধন—পদ্ধতিরসমন্বয়করে,কাজকেএকবারের'জেনারেশন'থেকে'পর্যবেক্ষণ→কর্ম→যাচাই→সংশোধন'একটিবন্ধনচক্রেপরিণতকরে,যাপারফরম্যান্সফলাফলকেআরওবিশ্বস্তকরে।Ling-3.0-flash-VLLing-3.0-flash-এরAgentওয়ার্কফ্লোতেএকটিদক্ষএকশননোডহিসাবেপ্রধানসুবিধাগুলিঅনুসরণকরে,ভিজুয়ালফিডব্যাকবন্ধনচক্রেআউটপুটগুণগতমানএবংএকশনদক্ষতাকেসমন্বয়করে,সমগ্রকাজগুলিআরওকমখরচএবংসংক্ষিপ্তসময়েঅগ্রসরহয়।