Mô hình ra quyết định d1.2-ultra của Liquid AI đứng đầu Decision Index v2.1 với 75 điểm. Dòng mô hình mới hỗ trợ đầu vào bằng giọng nói và trích xuất thông tin từ tài liệu, hình ảnh.
Liquid AI cho biết ngày 16 rằng hãng đã đưa d1.2 và d1.2-ultra lên API của mình. Cả hai mô hình nhận đầu vào bằng văn bản, hình ảnh và âm thanh.
Mô hình ra quyết định chấm xác suất cho các lựa chọn được xác định trước thay vì trả lời bằng những đoạn văn dài. Chúng có thể phân loại công việc, chẳng hạn chuyển yêu cầu của khách hàng đến bộ phận phụ trách hoặc xác định trường hợp nào cần được xem xét khẩn cấp.
Liquid AI cho biết điểm xác suất có thể giúp phân chia công việc giữa xử lý tự động và con người xem xét. Khi đánh giá khả năng ra quyết định, cũng cần xem xét mức độ điểm số phản ánh đúng tỷ lệ câu trả lời chính xác.
Hãng bổ sung năm kiểu phản hồi mới, gồm trích xuất số tiền và ngày tháng trong tài liệu, tìm cụm từ cụ thể, đánh dấu vị trí vật thể và ước tính khoảng số lượng vật thể trong ảnh, cùng đưa ra xác suất cho nhiều lựa chọn.
Các ví dụ gồm đọc số tiền cần thanh toán trên hóa đơn, tìm vị trí chữ ký trong tài liệu được quét và phân loại chủ đề yêu cầu của khách hàng. Nếu tài liệu không có thông tin được yêu cầu, mô hình được thiết kế để trả lời “không tìm thấy” thay vì đoán.
Mô hình cũng có thể đánh dấu vị trí vật thể trong ảnh hoặc ước tính số lượng theo khoảng. Nếu nhiều lựa chọn cùng phù hợp với một câu hỏi, mô hình đưa ra xác suất cho từng lựa chọn.
Âm thanh có thể được dùng làm đối tượng phân tích hoặc phương tiện để nhập câu hỏi. Người dùng cũng có thể đặt câu hỏi bằng giọng nói thay vì văn bản.
Liquid AI nêu các ví dụ như nhận diện ngôn ngữ được sử dụng trong bản ghi âm và xác định tiếng còi hụ ở hậu cảnh. Cả phân tích âm thanh lẫn nhận câu hỏi bằng giọng nói đều nằm trong các phương thức đầu vào mới của mô hình.
Theo hướng dẫn đánh giá của Artificial Analysis, Decision Index v2.1 tổng hợp kết quả từ sáu bài đánh giá, gồm trích xuất dữ kiện trong tài liệu, đánh giá, gọi công cụ, câu hỏi kiến thức, suy luận và tính nhất quán khi cách diễn đạt câu hỏi thay đổi. Các bài đánh giá xem xét khả năng xử lý thông tin và đưa ra quyết định theo nhiều cách.
Bài đánh giá về tài liệu sử dụng 1.500 hồ sơ, biên lai, hóa đơn và bài nghiên cứu. Artificial Analysis tính cả xác suất mà mô hình gán cho câu trả lời, bên cạnh việc câu trả lời có đúng hay không.
Vì vậy, 75 điểm không có nghĩa mô hình trả lời đúng 75% tổng số câu hỏi. Liquid AI cho biết d1.2-ultra cao hơn 2 điểm so với mô hình có điểm cao nhất trước đó.
Cần phân biệt kết quả đánh giá công khai với các số liệu hiệu năng của tính năng mới. Liquid AI cho biết chưa có bài đánh giá công khai đo lường năm tác vụ mới, nên hãng đã thử nghiệm nội bộ trên các trường hợp được tách riêng từ dữ liệu công khai.
Trong thử nghiệm nội bộ của công ty, khả năng đọc giá trị trên biên lai đạt 98% với d1.2-ultra và 96% với d1.2. Độ chính xác theo thước đo precision trong phát hiện thông tin cá nhân trên tài liệu lần lượt là 94% và 92%. Đây đều là kết quả thử nghiệm do công ty công bố.
Trước đó, TokenPost đã đưa tin về việc Liquid AI công bố codec âm thanh truyền phát trong bài viết này. LiquidCodec khi ấy được giới thiệu là bộ mã hóa token âm thanh cho LFM3-Audio-2B và LFM3-Omni-2B.
Mô hình phân loại công việc bằng cách gán xác suất cho từng lựa chọn cũng được đề cập trong Microsoft-Decision-1, do Microsoft ($MSFT) công bố ngày 9 tháng 10. TokenPost từng đưa tin về mô hình gán xác suất cho từng lựa chọn của Microsoft.
Bảng giá của Liquid AI niêm yết phí đầu vào cho mỗi 1 triệu token là 0,02 USD (khoảng 27 won) với d1.2 và 0,042 USD (khoảng 56 won) với d1.2-ultra. Mức phí này bằng phí đầu vào của các mô hình trước đó, lần lượt là d1.1 và d1-ultra. Phí đầu ra của cả hai mô hình mới là 0 USD. Các kiểu phản hồi mới có thể được sử dụng với định dạng yêu cầu API hiện có.
Comment 0