ARC-AGI තරගයේ නවතම ලීඩර්බෝඩ් දැන් ප්රකාශිතවී, AI ක්ෂේත්රයේ කාර්යක්ෂමතාව මැනීමට නව මට්ටමක් සකස් කරයි. Hacker News මුල් පිටුවේ ප්රදර්ශනය වූ මෙම ලීඩර්බෝඩ්, වියදම සහ කාර්ය සාධනය අතර සම්බන්ධතාවය සවිස්තරාත්මකව පෙන්වයි.
ARC-AGI-1 සහ ARC-AGI-2 වැනි පළමු අනුවාදයන් පසුබැසී ඇති ARC-AGI-3 නව පරීක්ෂණයක් ලෙස, AI ඒජන්ට්වරුන්ට නව, අන්තර්ක්රියාත්මක පරිසරයන්ට වහාම අනුකූල වීමට අභියෝගයක් ඉදිරිපත් කරයි. මෙය “පැසිව් ෆ්ලුයිඩ් ඉන්ටෙලිජන්ස්” මිනුම්වලින් “අතුරුදන් නොවන සම්පත් භාවිතයෙන් ගැලපෙන ප්රශ්න විසඳීම” දක්වා සීමාව පුළුල් කරයි.
ලීඩර්බෝඩ් එකේ පෙන්වන ස්කැටර් පළතුරු ව්යාපෘතියේ cost-per-task (කාර්යයක් සඳහා වැය වූ මුදල) හා performance (කාර්ය සාධනය) අතර සම්බන්ධතාවය නිරූපණය කරයි. ඉතා අඩු වියදමකින් ඉහළ ප්රතිඵල ලබා ගැනීම, නව AI පද්ධතිවල සාර්ථකත්වයේ මූලික මාර්ගයක් බව තේරුම් ගත හැක.
ලීඩර්බෝඩ් තුළ ප්රධාන වශයෙන් තිදෙනෙකුගේ විසඳුම් වර්ග දැක්වේ:
- Reasoning Systems: එකම මොඩලය වෙනත් තර්කකාලයන්හි පරීක්ෂා කර, තර්ක කාලය වැඩිවීමේදී කාර්ය සාධනය කෙලින්ම වැඩි වන ආකාරය පෙන්වයි.
- Base LLMs: GPT‑4.5, Claude 3.7 වැනි සාමාන්ය භාෂා මොඩලයන්ගෙන් එක්-පාර පූර්වකථනයක් ලෙස ලබා ගත් ප්රතිඵල, තර්ක වැඩි කිරීමේ හැකියාව නොමැතිව පෙන්වයි.
- Kaggle Systems: Kaggle තරගයේ $50 ගණනේ ගණනය සීමාවක් යටතේ නිර්මාණය කර ඇති, කාර්යක්ෂම හා අඩු-වියදම් විසඳුම්.
ලීඩර්බෝඩ් එකේ Verification Policy අනුව, $10,000 කට අඩු වියදමක් ඇති පද්ධති පමණක් ඇතුළත් කර ඇත. පූර්ණ පරීක්ෂණ නොකළ මොඩලයන් සඳහා “preview” ලේබලය යොදා ඇත, ඒවා අසම්පූර්ණ පරීක්ෂණයේ පදනමෙන් වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ AI ශිෂ්යයන්, සංවර්ධකයන් සහ ව්යාපාරිකයන්ට මෙම ලීඩර්බෝඩ් එක විශාල අගයක් ගෙනදෙයි. මුලින්ම, කාර්යක්ෂම AI මොඩලයන් පිළිබඳ සත්ය දත්ත ලබා ගැනීම, පිරිවැය අඩු කරමින් උසස් ප්රතිඵල ලබා ගැනීමට මඟ පෙන්වයි. දෙවනුව, Kaggle Systems වැනි තරඟ-අධාරිත විසඳුම්, සීමිත සම්පත් වලින් වැඩි ප්රයෝජනය ගන්නා ආකාරය ඉගෙන ගැනීමට උදව් කරයි. තෙවනුව, reasoning time vs performance ගැඹුරු අධ්යයනය, ශ්රී ලංකාවේ AI ආරම්භකයන්ට මොඩල සැකසීමේදී “වේගය” සහ “ඵලදායීත්වය” අතර සන්සුන් තීරණ ගැනීමට මාර්ගෝපදේශයක් වේ.
මෙම දත්ත සමඟ, අපේ දේශීය තාක්ෂණික ආයතන, ආරම්භක ව්යාපාර සහ විශ්වවිද්යාල පර්යේෂකයන්, ගෝලීය AI ප්රවණතා සමඟ සම්බන්ධ වෙමින්, ශ්රී ලංකාවේ AI පරිසරය තරගකාරී කර ගැනීමට අවස්ථාවක් ලැබේ.
ඉදිරියේදී, ARC-AGI ලීඩර්බෝඩ් නව අනුවාදයන් සමඟ තවත් නව නිර්මාණයන් සහ පරිගණක-ආර්ථික ප්රතිපත්ති පරීක්ෂා කිරීමට අපේක්ෂා කරයි.
