विकुना: इसकी तुलना लामा, अल्पाका और चैटजीपीटी से कैसे की जाती है?

एक एआई स्टार्टअप संस्थापक के रूप में, आप संभवतः जानते हैं कि चैटजीपीटी जैसे बड़े भाषा मॉडल संवादात्मक एआई को आगे बढ़ाने में कितने प्रभावशाली रहे हैं।

हालाँकि, वाणिज्यिक लाइसेंसिंग लागत, सेंसरशिप मुद्दे, खराब प्रदर्शन, गोपनीयता संबंधी चिंताओं और ब्लैक बॉक्स के साथ, ये मालिकाना मॉडल कई स्टार्टअप के लिए पहुंच से बाहर हैं।

यहीं पर विकुना नामक एक ओपन-सोर्स प्रोजेक्ट आता है। स्टैनफोर्ड जैसे संस्थानों के शोधकर्ताओं की एक टीम द्वारा विकसित, विकुना एक ओपन-सोर्स वार्तालाप मॉडल है जो चैटजीपीटी की 90% से अधिक गुणवत्ता प्राप्त करता है। यह इसे GPT-4 जैसे बंद-बंद मॉडल का एक रोमांचक विकल्प बनाता है।

इस तरह की और सामग्री के लिए ट्विटर पर मुझे सब्सक्राइब करें या फ़ॉलो करें !

इस लेख में, हम जानेंगे कि विकुना क्या है, यह कैसे काम करता है, इसकी क्षमताएं और आप एआई संस्थापक के रूप में इसका लाभ कैसे उठा सकते हैं। हम देखेंगे कि यह ChatGPT और बेस LLaMA मॉडल जैसे प्रतिस्पर्धियों के सामने कैसे खड़ा होता है।

मैं कुछ उपयोगी युक्तियाँ और मार्गदर्शिकाएँ भी साझा करूँगा जिन्हें आप मॉडल के विशिष्ट पहलुओं के बारे में अधिक जानकारी के लिए अनुसरण कर सकते हैं।

हम इस लेख के लिए विकुना-13बी पर ध्यान केंद्रित करेंगे, लेकिन आपके आज़माने के लिए विकुना के कई अलग-अलग आकार के मॉडल मौजूद हैं। चलो शुरू करें!

ध्यान दें: चैट के लिए LLaMA को फाइन-ट्यून करने वाला विकुना एकमात्र मॉडल नहीं है। संवादात्मक अनुप्रयोगों के लिए LLaMA v2 , अल्पाका , और LLaMA-v2-चैट का उपयोग करने पर हमारी मार्गदर्शिकाएँ देखें ।

विकुना का एक अवलोकन

संवादी एआई की दुनिया में, हमने हाल ही में चैटजीपीटी जैसे मॉडलों के साथ उल्लेखनीय प्राकृतिक भाषा क्षमताओं का प्रदर्शन करते हुए आश्चर्यजनक प्रगति देखी है। हालाँकि, ऊपर वर्णित सभी मुद्दों के साथ एक मालिकाना मॉडल के रूप में, चैटजीपीटी कई डेवलपर्स के लिए एक खराब विकल्प बना हुआ है।

इसलिए अधिक सुलभ और खुले मॉडल की आवश्यकता है जो संवादात्मक ऐप्स में नवाचार को सशक्त बना सके।

यहीं पर विकुना आता है। स्टैनफोर्ड, बर्कले और एमबीजेडयूएआई जैसे प्रमुख संस्थानों के शोधकर्ताओं द्वारा विकसित, विकुना अत्याधुनिक ओपन कन्वर्सेशनल एआई का प्रतिनिधित्व करता है।

इसे ओपन-सोर्स फाउंडेशन मॉडल से ट्रांसफर लर्निंग की शक्ति का प्रदर्शन करते हुए, क्यूरेटेड डायलॉग डेटा पर एलएलएएमए मॉडल को ठीक करके बनाया गया था।

चैटजीपीटी से आकार में छोटा होने के बावजूद, विकुना अपनी बातचीत की गुणवत्ता से मेल खाता है और अन्य खुले मॉडलों से काफी बेहतर प्रदर्शन करता है।

लेकिन यह सिर्फ विकुना की तकनीक के बारे में नहीं है। गैर-वाणिज्यिक अनुसंधान लाइसेंस के तहत इसकी उपलब्धता इसे वास्तव में प्रभावशाली बनाती है। इससे अत्याधुनिक संवादी एआई तक पहुंच खुल गई है जो पहले केवल बड़ी तकनीकी कंपनियों तक ही सीमित थी।

अंततः हमारे पास एक खुला मॉडल है जो अगली पीढ़ी के चैटबॉट्स, वर्चुअल असिस्टेंट, कन्वर्सेशनल सर्च इंजन और अन्य नवीन अनुप्रयोगों को शक्ति प्रदान कर सकता है।

विकुना के वादे को पहले से ही शानदार परियोजनाओं के माध्यम से प्रदर्शित किया जा चुका है जो इसका लाभ उठाते हैं। उदाहरण के लिए, MiniGPT4 ने एक बुद्धिमान आभासी सहायक बनाने के लिए विकुना का उपयोग किया, LLaVA ने इसके साथ एक संवादी खोज इंजन बनाया, और ToolLLaMA प्राकृतिक भाषा सामग्री निर्माण के लिए विकुना की क्षमताओं का उपयोग करता है।

और, निःसंदेह, आप एक दिन इस सूची में अपना खुद का प्रोजेक्ट भी जोड़ सकते हैं!

एआई डेवलपर्स और स्टार्टअप के लिए, विकुना एक रोमांचक नए अवसर का प्रतिनिधित्व करता है। इसकी उच्च क्षमता, मुफ्त उपलब्धता और अनुमेय अनुसंधान लाइसेंस संवादात्मक ऐप्स के तेजी से प्रोटोटाइप को सक्षम करते हैं।

मालिकाना मॉडल तक पहुंच से बंधे होने के बजाय, स्टार्टअप अब अत्याधुनिक संवादात्मक एआई के साथ उत्पादों को मान्य और निर्माण कर सकते हैं। बस खेल का मैदान समतल हो गया.

तो, संक्षेप में, विकुना शीर्ष स्तरीय वार्तालाप संबंधी बुद्धिमत्ता तक पहुंच को लोकतांत्रिक बनाने का वादा करता है। इसका उद्भव खुले एआई मॉडल बनाने में एक महत्वपूर्ण मील का पत्थर दर्शाता है जो नवाचार को सशक्त बनाता है।

संवादी एआई का लाभ उठाने की चाहत रखने वाले किसी भी स्टार्टअप के लिए, विकुना निश्चित रूप से ध्यान देने लायक एक परियोजना है!

विकुना का निर्माण कैसे हुआ? इसे क्या खास बनाता है?

विकुना की कहानी LLaMA से शुरू होती है, जो मेटा एआई द्वारा विकसित एक ओपन-सोर्स भाषा मॉडल है। सक्षम होते हुए भी, एलएलएएमए में बातचीत की कोई अंतर्निहित क्षमता नहीं थी, वह मुख्य रूप से बातचीत की कला के बजाय भाषा पर ही ध्यान केंद्रित करता था।

स्टैनफोर्ड, बर्कले और एमबीजेडयूएआई सहित संस्थानों के शोधकर्ताओं ने इसे बदलने का प्रयास किया। उनका लक्ष्य चैटजीपीटी जैसे मालिकाना चैटबॉट्स को टक्कर देने वाला एक ओपन-सोर्स संवादी मॉडल बनाना था।

वैसे, टेक्स्ट को संसाधित करने और उसका विश्लेषण करने के लिए प्रशिक्षित एआई मॉडल (जैसे एलएलएएमए) और चैट के लिए विशेषीकृत एआई मॉडल (जैसे विकुना) के बीच क्या अंतर है? कुछ प्रमुख कारक हैं जो दोनों को अलग करते हैं:

• आर्किटेक्चर - विकुना जैसे संवादी मॉडल में संवाद के लिए अनुकूलित एनकोडर-डिकोडर संरचना होती है। एनकोडर वार्तालाप इतिहास और वर्तमान उपयोगकर्ता इनपुट को प्रासंगिक बनाता है। डिकोडर तब एक प्रासंगिक प्रतिक्रिया उत्पन्न करता है। एलएलएएमए जैसे सामान्य भाषा मॉडल में इस विशेष वास्तुकला का अभाव है।

• प्रशिक्षण उद्देश्य - विकुना जैसे मॉडल विशेष रूप से संवादात्मक कार्यों पर प्रदर्शन को अधिकतम करने के लिए ठीक-ठाक हैं। इसमें संवादी मेट्रिक्स को अनुकूलित करने के लिए संवाद डेटासेट पर प्रशिक्षण शामिल है। LLaMA को सामान्यतः पाठ के लिए प्रशिक्षित किया जाता है, संवाद के लिए विशेषीकृत नहीं।

• मल्टी-टर्न क्षमताएं - संवादात्मक मॉडल को मल्टी-टर्न वार्तालापों को संभालने, कई एक्सचेंजों में संदर्भ और सुसंगतता बनाए रखने की आवश्यकता होती है। सामान्य पाठ मॉडल एक समय में एक इनपुट का मूल्यांकन करते हैं।

• अन्तरक्रियाशीलता - संवादी एआई को उपयोगकर्ताओं के साथ सहजता से बातचीत करने, अनुवर्ती प्रश्नों और स्पष्टीकरणों का जवाब देने की आवश्यकता है। पाठ मूल्यांकन अधिक निष्क्रिय है, इसमें उपयोगकर्ता अन्तरक्रियाशीलता का अभाव है।

• मूल्यांकन - संवादी मॉडल को टेक्स्ट मेट्रिक्स से परे अधिक जटिल मूल्यांकन की आवश्यकता होती है, स्थिरता, बारीकियों और अनुचित प्रतिक्रियाओं को शालीनता से संभालने की क्षमता जैसे गुणों का परीक्षण करना पड़ता है।

जबकि एलएलएएमए जैसा एक सामान्य भाषा मॉडल संवाद एजेंटों के लिए विशिष्ट आवश्यकताओं के बिना, पाठ्य विश्लेषण और पीढ़ी पर अधिक ध्यान केंद्रित करता है, संवादी एआई का लक्ष्य मूल रूप से निष्क्रिय पाठ मूल्यांकन की तुलना में अधिक जटिल है।

उस अंत तक, विकुना बनाने वाले शोधकर्ताओं ने 70,000 से अधिक मानव-चैटजीपीटी संवाद एक्सचेंजों पर एलएलएएमए को ठीक किया, बातचीत के लिए मॉडल में विशेषज्ञता हासिल की और इसे संवादी संदर्भों में पाठ की प्राकृतिक विशेषताओं को सिखाया।

यह फाइन-ट्यूनिंग LLaMA के उनके संस्करण को वह संवादी बुद्धिमत्ता देने के लिए महत्वपूर्ण थी, जिसकी पहले इसमें कमी थी। संवाद डेटा पर पुनरावृत्त प्रशिक्षण के माध्यम से, LLaMA को विकुना में बदल दिया गया, जो मल्टी-टर्न वार्तालापों के लिए अनुकूलित एक एनकोडर-डिकोडर ट्रांसफार्मर है।

उनके प्रयास कितने कारगर रहे?

अखाड़े में: वैकल्पिक चैट एआई मॉडल के खिलाफ विकुना का मूल्यांकन

विकुना की क्षमताओं का मूल्यांकन करने के लिए, शोधकर्ताओं ने 200 विविध वार्तालाप संकेतों पर इसका परीक्षण किया। आगे के मूल्यांकन के लिए, उनके पास GPT-4 मॉडल था जो तुलनात्मक रूप से विकुना की प्रतिक्रियाओं का मूल्यांकन करता था।

परिणामों से पता चला कि आकार में छोटा होने के बावजूद, विकुना ने बातचीत की क्षमता में चैटजीपीटी की 90% से अधिक गुणवत्ता हासिल की। इसने मूल LLaMA मॉडल से उल्लेखनीय रूप से बेहतर प्रदर्शन किया।

मानव संवाद डेटा पर विशेष फाइन-ट्यूनिंग के साथ आर्किटेक्चर अनुकूलन को जोड़कर, शोधकर्ताओं ने LLaMA को मालिकाना चैटबॉट्स के बराबर एक ओपन-सोर्स वार्तालाप मॉडल में सफलतापूर्वक बढ़ाया।

आइए एक उदाहरण के रूप में आमने-सामने परीक्षण पर एक नज़र डालें, जो आधिकारिक परियोजना साइट से लिया गया है।

विकुना और प्रतिस्पर्धी मॉडलों के बीच आमने-सामने की चुनौती का उदाहरण, इस मामले में, संभावित विकल्प के रूप में ChatGPT-3.5 का उपयोग करना।

प्रोजेक्ट साइट में उदाहरण कार्यों का एक संग्रह है, जिसमें विकुना-13बी और प्रतिस्पर्धी मॉडल दोनों को आमने-सामने जाने के लिए कहा जाता है। फिर GPT-4 मॉडल का उपयोग प्रत्येक मॉडल को स्कोर करने और उसका तर्क बताने के लिए जज के रूप में किया जाता है।

यह वास्तव में कुछ आंखें खोल देने वाली तुलनाएं प्रस्तुत करता है। ऊपर की छवि में एक उदाहरण दिया गया है। दूसरी चुनौती यह है, जिसे नीचे दिखाया गया है:

• श्रेणी: भूमिका निभाना
• प्रश्न: शाही भोज में आप अपना परिचय एक मध्ययुगीन शूरवीर के रूप में कैसे देंगे?

LLaMA-13b की प्रतिक्रिया:

"मैं एक बहादुर शूरवीर हूं, राजा के प्रति वफादार हूं। मैं उनके सम्मान की रक्षा करने और उनके देश की रक्षा करने की पूरी कोशिश करूंगा। (लंगड़ा! जीपीटी-4 द्वारा 7/10 स्कोर किया गया, मेरी राय में बहुत उदार।)"

विकुना-13बी:

**"**एक मध्ययुगीन शूरवीर के रूप में, मैं शाही भोज में अपना परिचय गहरे धनुष और सम्मानजनक भाषण के साथ देता था, अपनी विनम्र उत्पत्ति और ताज के प्रति अपनी वफादारी को स्वीकार करते हुए। मैं कुछ इस तरह कहूंगा:

"मेरे स्वामी और देवियो, मैं एक विनम्र शूरवीर हूं, जिसने क्षेत्र की सेवा और रक्षा करने की शपथ ली है। मैं उन योद्धाओं की एक लंबी कतार से आता हूं, जिन्होंने पीढ़ियों से इस राज्य की रक्षा के लिए लड़ाई लड़ी है। मैं आज यहां उपस्थित होकर सम्मानित महसूस कर रहा हूं। ऐसी सम्मानित कंपनी, और मुझे आशा है कि मैं अपने कर्मों और कार्यों से आपका विश्वास और सम्मान अर्जित करूंगा। मैं अपनी तलवार, अपनी ढाल और अपना जीवन अपने राजा और अपने लोगों की सेवा में गिरवी रखता हूं।"

फिर मैं भोज में अपनी सीट ले लूंगा, अपने बेहतर लोगों की बुद्धिमान सलाह सुनने और उनसे सीखने के लिए तैयार हो जाऊंगा, और किसी भी तरह से उनकी सेवा कर सकूंगा।"

वाह! विकुना से बहुत बेहतर प्रतिक्रिया। यहां GPT-4 का तर्क है जो बताता है कि विकुना को LLaMA का एक बेहतर विकल्प क्या बनाता है।

सहायक 1 [एलएलएएमए] ने एक संक्षिप्त और प्रासंगिक प्रतिक्रिया प्रदान की, लेकिन इसमें मध्ययुगीन शूरवीर के परिचय में अपेक्षित विवरण और औपचारिकता का अभाव था। दूसरी ओर, सहायक 2 [विकुना] ने अधिक व्यापक और अच्छी तरह से संरचित प्रतिक्रिया की पेशकश की, जिसमें एक सम्मानजनक भाषण भी शामिल था जिसने शूरवीर की विनम्रता, वफादारी और राज्य के प्रति समर्पण को प्रदर्शित किया। यह प्रतिक्रिया शाही भोज के संदर्भ में अधिक उपयुक्त थी और मध्ययुगीन शूरवीरों की भूमिका और शिष्टाचार की बेहतर समझ का प्रदर्शन करती थी।

जबकि एलएलएम अन्य एलएलएम के अचूक निर्णायक नहीं हैं, न ही मनुष्य हैं। मुझे लगता है कि एआई का मूल्यांकन और मूल्यांकन करने के लिए एआई का उपयोग यह निर्णय लेने का एक बहुत ही स्केलेबल और सुसंगत तरीका है कि कौन से विकल्प सबसे अच्छे हैं।

आपको LMSYS.org साइट पर कुछ अन्य प्रतिस्पर्धी उत्तरों और कार्यों को देखना चाहिए।

आइए इसे स्वयं आज़माएं: विकुना के साथ एक बुनियादी चैटबॉट कैसे बनाएं

अब जब हमने देख लिया है कि मॉडल कुछ विकल्पों के मुकाबले कैसे खड़ा है, तो आइए देखें कि हम एक सरल चैटबॉट कैसे बना सकते हैं जिसके साथ हम अपनी कमांड लाइन से बातचीत कर सकते हैं। यहां दिए गए गाइड के चरणों को और विस्तारित किया जा सकता है ताकि आप आगे बढ़ सकें और अपने एआई प्रोजेक्ट के लिए अपना खुद का चैटबॉट बना सकें!

चरण 1: सेटअप

Node.js इंस्टॉल करें : सुनिश्चित करें कि आपके सिस्टम पर Node.js इंस्टॉल है।

एक प्रोजेक्ट निर्देशिका बनाएँ : अपने टर्मिनल में निम्नलिखित चलाएँ:

 mkdir my-chatbot cd my-chatbot npm init -y npm install replicate

अपना एपीआई टोकन सेट करें : your_api_token_here अपने वास्तविक एपीआई टोकन से बदलें:

 export REPLICATE_API_TOKEN=your_api_token_here

चरण 2: चैटबॉट कोड लिखना

chatbot.js नाम की एक फ़ाइल बनाएं और निम्नलिखित कोड जोड़ें:

 const Replicate = require("replicate"); const replicate = new Replicate({ auth: process.env.REPLICATE_API_TOKEN, }); async function generateResponse(prompt) { const output = await replicate.run( "replicate/vicuna-13b:version_hash_here", { input: { prompt: prompt }, } ); return output.items[0]; } const readline = require('readline'); const rl = readline.createInterface({ input: process.stdin, output: process.stdout }); function askQuestion() { rl.question('You: ', async (userInput) => { const botResponse = await generateResponse(userInput); console.log(`Bot: ${botResponse}`); askQuestion(); }); } askQuestion();

विकुना 13बी मॉडल के लिए version_hash_here सही संस्करण हैश से बदलें।

चरण 3: चैटबॉट चलाना

निष्पादित करके चैटबॉट चलाएँ:

 node chatbot.js

अब आप कमांड लाइन के माध्यम से अपने चैटबॉट को एक संदेश भेज सकते हैं!

क्या आप अपना खुद का चैटबॉट नहीं बनाना चाहते? आप इस डेमो का उपयोग यह आकलन करने के लिए कर सकते हैं कि विकुना कैसा प्रदर्शन करता है।

विकुना-13बी-वी1.3 के मॉडल विवरण पृष्ठ में कुछ डेमो शामिल हैं जिनका उपयोग आप मॉडल के साथ खेलने के लिए कर सकते हैं। आपके प्रयास के लिए यहां एक एम्बेडेड है (यदि यह नीचे दिए गए लिंक पर उपलब्ध नहीं है तो आप इस तक पहुंचने के लिए इस लिंक का भी उपयोग कर सकते हैं)।

ज़ेनो-एमएल द्वारा निर्मित यह डेमो, आपको मॉडल और अतिरिक्त मापदंडों की तुलना करने की सुविधा देता है, यह देखने के लिए कि विकुना एलएलएएमए, जीपीटी2 और एमपीटी जैसे प्रतिस्पर्धियों के खिलाफ कितना अच्छा प्रदर्शन करता है, साथ ही तापमान या अन्य मापदंडों में भी बदलाव करता है।

विकुना की सीमाएँ

जबकि संवादी प्रौद्योगिकियां तेजी से आगे बढ़ी हैं, मॉडलों को अभी भी महत्वपूर्ण चुनौतियों का सामना करना पड़ता है।

• एक मुद्दा ज्ञान आधार है. संवादी एजेंटों के पास वास्तविक तथ्यात्मक ज्ञान के पर्याप्त आधार का अभाव होता है, जिससे वे विश्वसनीय लेकिन गलत प्रतिक्रियाएँ देने लगते हैं। वास्तविक दुनिया में अधिक ग्राउंडिंग से सटीकता में सुधार हो सकता है।

• तर्क क्षमता सुधार का एक अन्य क्षेत्र है। चैटबॉट्स के लिए तार्किक तर्क, कारण अनुमान और गणितीय संचालन करना कठिन बना हुआ है। उनकी तर्क क्षमता अभी भी सीमित है।

• बड़े पैमाने पर एआई सिस्टम की बातचीत की गुणवत्ता का मूल्यांकन करने में भी कठिनाइयाँ आती हैं। एक अलग एआई जज से पूछने जैसे मौजूदा समाधानों में खामियां हैं। कठोर मूल्यांकन रूपरेखा विकसित करना एक खुली समस्या है।

• इसके अतिरिक्त, अपूर्ण प्रशिक्षण डेटा पर निर्भरता के कारण पूर्वाग्रह और सुरक्षा संबंधी समस्याएं बनी रहती हैं। संवादी मॉडल कभी-कभी अनुचित या असुरक्षित व्यवहार कर सकते हैं। बेहतर प्रशिक्षण डेटा क्यूरेशन महत्वपूर्ण है।

• विशिष्ट उपयोगकर्ताओं और उपयोग के मामलों के लिए चैटबॉट को अपनाना अभी भी चुनौतीपूर्ण साबित होता है। विभिन्न डोमेन के लिए अधिक वैयक्तिकरण और अनुकूलन की आवश्यकता है। आप इसे लीक से हटकर आसानी से नहीं कर सकते.

हालाँकि बड़ी प्रगति हुई है, ये सीमाएँ सुधार के प्रमुख क्षेत्रों को उजागर करती हैं।

ज्ञान आधार, तर्क, मूल्यांकन, प्रशिक्षण डेटा, अनुकूलन और तैनाती दक्षता को आगे बढ़ाने से विकुना जैसे मॉडल के साथ बातचीत संबंधी बुद्धिमत्ता के अगले स्तर को सक्षम किया जा सकता है।

निष्कर्ष: चैटजीपीटी, एलएलएएमए और अन्य एलएलएम के लिए एक ओपन-सोर्स विकल्प के रूप में विकुना एआई का उपयोग करना

विकुना का विकास ओपन-सोर्स संवादी एआई को आगे बढ़ाने में आशाजनक प्रगति दर्शाता है।

विशेष रूप से संवाद अनुप्रयोगों के लिए एलएलएएमए मॉडल वास्तुकला और प्रशिक्षण पद्धति को ठीक करके, शोधकर्ता प्रमुख स्वामित्व विकल्पों के साथ प्रतिस्पर्धी रूप से उपलब्ध एक स्वतंत्र रूप से उपलब्ध संवादी एजेंट बनाने में सक्षम थे।

हालाँकि, तर्क, मूल्यांकन, अनुकूलन और अन्य क्षेत्रों की सीमाओं को संबोधित करने के लिए काम किया जाना बाकी है। जबकि विकुना जैसे मॉडल कई बेंचमार्क पर मजबूत परिणाम प्राप्त करते हैं, वे व्यापक मानवीय बातचीत को पूरी तरह से दोहरा नहीं पाते हैं।

इन मॉडलों को संरेखित करने पर चल रहा शोध महत्वपूर्ण होगा।

बहरहाल, विकुना अत्याधुनिक संवादी बुद्धिमत्ता तक पहुंच को लोकतांत्रिक बनाने की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है।

चैटबॉट, असिस्टेंट और अन्य एप्लिकेशन बनाने वाले स्टार्टअप और डेवलपर्स के लिए, विकुना जैसे ओपन-सोर्स विकल्प प्रतिबंधात्मक वाणिज्यिक लाइसेंस के बिना स्वागत योग्य क्षमताएं प्रदान करते हैं।

विकुना के पीछे की उत्पत्ति और तकनीकी विवरण संवादी एआई के लिए विशेष प्रशिक्षण दृष्टिकोण में उपयोगी अंतर्दृष्टि प्रदान करते हैं। जैसे-जैसे शोध जारी है, हम इन तरीकों पर आधारित और भी नवाचार देखने की उम्मीद कर सकते हैं।

विकुना के लेखकों ने ऐसे सक्षम संवाद एजेंट को ओपन-सोर्स करने में महत्वपूर्ण योगदान दिया है।

जबकि अभी भी अधिक प्रगति की आवश्यकता है, विकुना उन सार्थक परिणामों को प्रदर्शित करता है जो खुले वार्तालाप मॉडल विकसित करने से आ सकते हैं। एआई समुदाय के लिए, यह एक आशाजनक कदम का प्रतिनिधित्व करता है, अंतिम गंतव्य का नहीं।

इन प्रौद्योगिकियों को आगे बढ़ाने पर निरंतर काम के साथ, आगे की संभावनाएं रोमांचक बनी हुई हैं।

इस तरह की और सामग्री के लिए ट्विटर पर मुझे सब्सक्राइब करें या फ़ॉलो करें !

आगे पढ़ना और संसाधन

आपको अपने नए उत्पाद या प्रोजेक्ट के लिए सर्वोत्तम चैटबॉट बनाने की खोज में ये अन्य लेख मददगार लग सकते हैं।

• विकुना-13बी मॉडल विवरण - बुनियादी मॉडल जानकारी के साथ विकुना का एक सिंहावलोकन
• विकुना-13बी के साथ चैटबॉट बनाना - चैटबॉट बनाने के लिए विकुना का उपयोग करने पर एक लेख
• चैट के लिए एलएलएम की तुलना: एलएलएएमए वी2 बनाम विकुना - एलएलएएमए के नए संस्करण 2 और विकुना के बीच तुलना
• लैंगचेन चैट मॉडल: एक सिंहावलोकन - लैंगचेन चैट एप्लिकेशन बनाने के लिए एक लोकप्रिय ढांचा है

यहाँ भी प्रकाशित किया गया