ඔබේ AI ඒජන්තයන්ගේ කාර්ය සාධනය වැඩිදියුණු කරමින්, වියදම අඩු කිරීමට නව තාක්ෂණයක් හඳුන්වා දෙනවා. GitHub‑ේ World‑Model‑Optimizer (WMO) නම් මෙවලම, පූර්ව‑සංචිත trace‑වලින් ඉගෙන ගනිමින්, ඉදිරි ගුණාත්මක මොඩලයක් තැනීමට සහ සේවයට ගෙන යාමට හැකියාව සපයයි.
WMO මූලික අදහස වන්නේ, ඔබ දැනට රැස් කර ඇති ඒජන්ත trace‑වලින් පද්ධතියක් ගොඩනැඟීමයි. ඒ trace‑වලට මූලිකව routing policy එකක් සැකසීම, world‑model simulation, meta‑harness optimisation සහ model distillation වැනි තාක්ෂණ භාවිතා කරමින්, සම්පූර්ණයෙන්ම නව මොඩලයක් 40%‑කට වැඩි වශයෙන් වියදම අඩු කරමින් frontier quality‑ට පත් කරයි.
ආරම්භ කිරීම ඉතා සරලයි:
- pip install world-model-optimizer
- wmo providers set – ඔබේ cloud provider (AWS, Azure, GCP) ලියාපදිංචි කරන්න
- traces.jsonl ගොනුව භාවිතා කර routing policy එක සාදන්න:
wmo build --file traces.jsonl --name my-endpoint - policy.json ගොනුව නිර්මාණය කර,
wmo serve --name my-endpointමඟින් සේවයට ගන්න
පසුපස, wmo optimize route report මගින් ඔබේ නව endpoint‑ය පරණ GPT‑5.5 මොඩලය සමඟ වියදම, වේගය, නිරවද්යතාවය වැනි කරුණු වඩාත් හොඳින් පරීක්ෂා කරයි.
WMO පළාතේ platform.experientiallabs.ai තුළ hosted සේවාවක්ද ලබා දෙයි. එහිදී E2B sandbox භාවිතා කර, ඔබේ local optimisation එක සත්ය පරිසරයක පරීක්ෂා කළ හැක. API මාර්ගයෙන් world‑model සමඟ සම්බන්ධ වී, GET /world_models හා POST /world_models/{name}/sessions වැනි endpoints භාවිතා කර, එම මොඩලය ඔබේ application‑වලට API වශයෙන් එක් කරගත හැක.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – AI හා machine learning පාඨමාලා වලදී, වඩාත් සැබෑ පරිසරය සමඟ experiment කරගැනීමට අවස්ථාව.
- ඩෙවලොපර් – අඩු වියදමින් ඉහළ ගුණාත්මක AI මොඩලයක් නිර්මාණය කර, නිෂ්පාදන‑පරිසරයට ඉක්මනින් ගෙන යා හැක.
- ව්යාපාර – AI‑driven සේවා, chat‑bots, recommendation systems වැනි ක්ෂේත්රවලදී operational cost 40%‑කට අඩු කර, ROI වැඩි කර ගත හැක.
අවසානයේ, WMO ඔබේ AI පද්ධතියේ සම්පූර්ණ lifecycle එකම අඩු වියදම, ඉහළ නිරවද්යතාව, හා වේගවත් iteration සමඟ කළමනාකරණය කිරීමට නව මාර්ගයක් සපයයි. ශ්රී ලංකාවේ තාක්ෂණික සමාජය මේ අවස්ථාවෙන් ප්රයෝජනය ගනිමින්, ලොව පළපුරුදු AI solution‑වලට සමාන තත්ත්වයක් ලබාගත හැක.
