DeepSeek ، ایک ساتھ 150 افراد کو مقرر کیا گیا!
وہ صرف 300-500 افراد کے سائز کے ہیں، یہ بڑا اقدام ہونے والا ہے۔
اور یہ 150 HC AI تحقیق کے شعبے میں نہیں ہیں، بلکہ مکمل طور پر دو ملازمتوں پر مرکوز ہیں: سرور سائیڈ ڈویلپر، ایجنٹ فلیکسیبل کمپوٹنگ ریسرچ انجینئر، جو 2 سے 10 سال کے تجربے والے تجربہ کار بیک اینڈ ڈویلپرز کے لیے ہیں۔
ایکسیکٹو کُو ٹین یی نے وضاحت کی کہ جب سائز بڑھتا ہے تو پیچیدگی بھی بڑھتی ہے، اور پیچیدگی دوبارہ سائز بڑھانے کا مطالبہ کرتی ہے۔
یہ…… ٹیم کے افراد کا سکیلنگ قانون ہے؟
DeepSeek کی لچکدار کمپوٹنگ پیپر سے بڑے پیمانے پر انجینئرنگ تک پہنچ گئی ہے
اس بار ایجنٹ الاسٹک کمپیوٹنگ ریسرچ اینجینئر دو سمتیں ہیں: پلیٹ فارم ڈویلپمنٹ اور لیئر سسٹم۔
یہ پلیٹ فارم Agent کے لیے خصوصی طور پر ڈیزائن کیا گیا ہے، جسے DSec کہا جاتا ہے ( DeepSeek ایلاسٹک کمپیوٹ (Elastic Compute)، جو تازہ ترین اشاعت میں جاری کیا گیا DeepSeek -V4 ٹیکنیکل رپورٹ میں پہلی بار افشا کیا گیا۔
پیپر کے مطابق، DSec تین Rust کمپوننٹس سے بنا ہے: API گیٹ وے Apiserver، ہر ہوسٹ پر Edge ایجینٹ، اور کلسٹر مانیٹرWatcher، جو ایک خود ساز RPC پروٹوکول کے ذریعے جڑے ہوئے ہیں اور چل رہے ہیں DeepSeek اپنے خود کے 3FS ڈسٹریبیوٹڈ فائل سسٹم کے اوپر۔
نوکری کی اشتہارات اگلے مراحل کے انجینئرنگ کے توسیع کے منصوبے کا انکشاف کرتی ہیں۔
قابلیت اور کارکردگی بڑھانے کے لیے، DSec کو پورے سسٹم اسٹیک کو تبدیل کرنے کی ضرورت ہے: آپریٹنگ سسٹم سے لے کر ورچوئل میکین، پھر نیٹ ورک اور اسٹوریج کے مختلف لیولز، اور آخر میں ایپلیکیشن لیول سکیڈولنگ اور کنٹرول پلین سروسز تک۔
اس منصوبے میں بہت سی چیزیں اب تک کسی نے نہیں کیں، اور کوئی تیار جواب نہیں ہے جسے نقل کیا جا سکے۔
پلیٹ فارم کی ترقی اور صرفہ کی طرف، جو مصنوعات اور ترقی کا ایک ملایا ہوا پہلو ہے، جس میں ضروریات کو سمجھنے میں شرکت کرنا ہے اور ساتھ ہی نظام کی ڈیزائن، ترقی اور صرفہ بھی خود کرنا ہے۔
بنیادی تہہ کی بہتری اور مشکل چیلنجز پر کام کرنا، جیسے کہ "کچھ آپریٹنگ سسٹم کمپوننٹس کی کارکردگی کو SOTA تک دبانا یا براہ راست ہارڈویئر کی حد تک دبانا" ایک اضافی فائدہ ہے۔
آپ کا کام Agent ماڈل کی تربیت کی تنوع اور کارکردگی کو ب без ترتیب ہوتا ہے۔
کیونکہ DeepSeek ہم SOTA تک پہنچیں گے، پھر اسے اوپن سورس کر دیں گے، تو اس کا اثر صرف مستقبل تک محدود نہیں ہوگا DeepSeek ایجینٹ کی بنیادی ڈھانچہ نہیں، بلکہ پورے صنعت کا۔
ایجینٹ پوری ریسرچ اور ترقی کے سلسلے میں مکمل طور پر شامل ہے
سرور ڈویلپمنٹ انجینئر کی طرف سے، ستھے رہنمائیاں ماڈل تحقیق سے لے کر صارفین کے لیے خدمات تک مکمل لینک کو کور کرتی ہیں:
بڑے ماڈل تحقیقی پلیٹ فارم کی سمت، ایجینٹ فریم ورک کمپوننٹس کی سمت، ریسرچ اور ترقی کی کارکردگی کی بنیادی ڈھانچہ سمت، DeepSeek API کی سمت، آن لائن سروسز کی سمت، ڈیٹا انجینئرنگ کی سمت۔
DeepSeek اس ٹیم کے مشن کا تصور یہ ہے کہ بڑے ماڈل تحقیق کے سرحدی علاقوں کے قریب رہیں، تاکہ بنائے گئے چیزوں کو تحقیقی سطح سے فوری ردعمل ملے۔ پلیٹ فارم کی قابلیت اور آسان استعمال براہ راست بڑے ماڈل تحقیق کی کارکردگی اور ذہانت کی حدود کو بڑھانے کی رفتار کو تعین کرتا ہے۔
بڑے ماڈل تحقیقی پلیٹ فارم کا مرکزی مقصد تحقیقی عمل کو پلیٹ فارم کی صلاحیتوں میں تبدیل کرنا ہے، جس کے لیے "تحقیق کاروں کے عملی ماحول میں گہرائی سے شامل ہونا" ضروری ہے، مسائل کو فعال طور پر پہچاننا چاہیے، صرف تقاضوں کا جواب دینے کی بجائے۔ آخری مقصد "تحقیقی خیالات کو پیش کرنے، تصدیق کرنے اور دوبارہ ترقی دینے کے دوران وقت کو کم کرنا" ہے
ایجینٹ فریم ورک کمپوننٹس کی طرف سے ایک یکجا ایجینٹ کنکشن اور رننگ فریم ورک تعمیر کی ذمہ داری ہے۔
کام کی کارکردگی کے بنیادی ڈھانچے کے شعبے کی ذمہ داریاں ایک یکساں CI/CD نظام، قابل مشاہدہ اور انتباہ نظام، بڑے پیمانے پر ڈیٹا کا کراس کلسٹر انتقال اور گورننس، آپریشنل خودکاری وغیرہ شامل ہیں، اور واضح طور پر “ایجنٹ کا استعمال خودکار تشخیص اور RCA میں” کی تلاش کرنے کا اعلان کیا گیا ہے۔
دو اہداف باہری صارفین کے لیے ب без سیکھنے کے لیے فراہم کیے جاتے ہیں DeepSeek کی مصنوعات۔
DeepSeek API کی سمت میں "بہت بڑے پیمانے پر API سروس کے چیلنجز" کا مقابلہ کیا جانا ہے، جس میں اگلی نسل کے ماڈلز کے سائنسی نتائج کو مستقل اور موثر طریقے سے عالمی ڈویلپرز اور بڑی تعداد کے صارفین تک پہنچایا جائے گا، اور اندر کے انفرینس فریم ورک کے ساتھ مل کر ترقی کی جائے گی۔
آن لائن سروس کے لیے کروڑوں روزانہ فعال صارفین کے لیے بڑے ماڈل ایپلیکیشنز کی ڈیزائن اور مستقل ترقی کی ضرورت ہوتی ہے۔
آخر میں، ڈیٹا انجینئرنگ کا رخ مدل ٹریننگ سے لے کر آن لائن سروس تک کے تمام مراحل کو سہارا دیتا ہے، جس میں ٹیکنالوجی اسٹیک میں Spark، Flink، Kafka، ClickHouse، Iceberg وغیرہ شامل ہیں، اور امیدوار سے ڈیٹا مارکنگ لاگ تک بزنس میٹرکس تک کی مکمل لینک میں ڈیٹا ماڈلنگ کرنے کی صلاحیت کی توقع کی جاتی ہے۔
ان سمتوں کے فرائض کو مل کر دیکھیں، وہ ایک مکمل لینک کی طرف اشارہ کرتے ہیں: ماڈل سینڈ باکس ماحول میں کام کرتا ہے، پلیٹ فارم عمل کے عمل اور نتائج کو ریکارڈ کرتا ہے، جس سے تربیت اور جائزہ لینے کے ڈیٹا کا ایجاد ہوتا ہے، جو دوبارہ ماڈل کو بہتر بنانے کے لیے استعمال ہوتے ہیں۔
ڈیپسیک کون سے لوگوں کو تلاش کر رہا ہے؟
سائنسی تحقیق سے متعلق تمام ملازمتوں میں ایک ہی بات پر زور دیا جاتا ہے: انجینئرز کو "تحقیق کاروں کے عملی ماحول میں گہرائی سے شامل ہونا چاہیے"، مسائل کو خود شناخت کرنا چاہیے، اور حل کو تعریف سے لے کر عملی شکل تک آگے بڑھانا چاہیے، صرف ضروریات کو قبول کرکے اور پیش کرکے نہیں۔
ملازمت کی تفصیلات میں مطلوبہ افراد کو درج کرنے کے لیے ایک پورا پیراگراف استعمال کیا گیا ہے، DeepSeek جس انجینئر کو ہم شامل کرنا چاہتے ہیں، وہ اپنے روزمرہ کے کام میں Agent کا گہرا استعمال کر رہا ہو۔
ایک ضروری شرط یہ ہے کہ آپ AI Agent ٹولز کا استعمال کرکے سافٹ ویئر ڈویلپمنٹ کر سکیں، اور AI کی مدد سے براہ راست تجربہ نہ ہونے کے باوجود بھی معیاری کوڈ لکھ سکیں۔
دوبارہ درخواست کی گئی ہے کہ "جب ایجنٹ غلط حل پیش کرے، تو آپ اسے تیزی سے پہچان لیں اور فوری طور پر مداخلت کریں۔"
اس ایجینٹ کے دور میں، خاص زبان یا ٹولز کے استعمال کا تجربہ، یا کسی ایک قسم کے منصوبے کو انجام دینے کا اہمیت کم ہوتی جا رہی ہے۔
تھا جو ترقی “میں جانتا ہوں کہ کیسے کرنا ہے” سے “میں جانتا ہوں کہ کیا پوچھنا ہے، کہاں غلطی ہو سکتی ہے، اور اسے کیسے ثابت کیا جائے” کی طرف منتقل ہو رہا ہے۔
حوالہ جات:
[1]https://x.com/tianyi/status/2096975270578139273?s=20
[2]https://app.mokahr.com/social-recruitment/
یہ مضمون ویچن گروپ "Quantum Bit" سے ہے، مصنف: مینگ چن