Google LLC امروز Gemini 4 Carbon را معرفی کرد، یک مدل زبان بزرگ مرزی که قادر به انجام وظایف برنامه نویسی پیچیده است.
LLM تنها دو هفته پس از معرفی پرچمدار قبلی خود LLM، Gemini 4 Argon، راه اندازی شد. به گفته گوگل، آزمایشات داخلی نشان داده است که کربن بیش از دو برابر در تولید کد ایمن بهتر عمل می کند. علاوه بر این، این مدل در معیارهای متعدد از GPT-6 Astra و Claude Opus 5.5 بهتر عمل می کند.
قابل توجه ترین نتیجه بنچمارک کربن، رکوردشکنی شاخص هوش مصنوعی آنالیز است. این آزمونی است که بیش از نیم دوجین ارزیابی محبوب LLM را ترکیب می کند. گوگل در حال آزمایش کربن بر روی نسخه جدیدی از این شاخص است که امروز به صورت عمومی منتشر شد. این شامل دو معیار اضافی است و تعدادی از سؤالات بیش از حد اشباع شده را حذف می کند، سؤالاتی که برای مدل های مرزی بسیار آسان تلقی می شوند.
کربن به ویژه در وظایف امنیت سایبری ماهر است. این به راحتی رکورد قبلی SEC-bench Pro را شکست، که توانایی LLM ها را برای یافتن نقاط ضعف در سیستم های نرم افزاری پیچیده ارزیابی می کند. این مدل همچنین در رفع آسیب پذیری هایی که پیدا می کند بهتر از مدل قبلی خود است.
Koray Cavukcuoglu، معاون ارشد گوگل دیپ مایند و معمار ارشد هوش مصنوعی گوگل، در این باره نوشت: تیم کروم گزارش داد که کربن بیش از 10 برابر بهتر از مدل مرزی بزرگ آزمایشگاه دیگری در تولید وصله های با کیفیت بالا عمل کرده است. پست وبلاگ.
آرگون، پرچمدار قبلی LLM این شرکت، شامل حصارهای امنیتی است که برای کاهش توهمات و حملات سایبری طراحی شده است. گوگل نسخه بهبود یافته ای از این ویژگی را در Carbon پیاده سازی کرد. به گفته این شرکت، تعدادی از تیم‌های داخلی که از کربن در «محیط‌های کدگذاری زنده» استفاده می‌کنند، کاهش نزدیک به ۸۰ درصدی هشدارهای عدم تطابق را گزارش کرده‌اند.
هنگامی که LLM ها برای پاسخ به یک سوال کاربر تلاش می کنند، گاهی اوقات با توهم دادن اطلاعات نادرست، شکاف های دانش خود را پر می کنند. گوگل کربن را برای جلوگیری از چنین رفتاری پیکربندی می کند.
Kavukcuoglu نوشت: “در آزمایش های داخلی ما، کربن ادعاهای بدون پشتوانه را در مقایسه با آرگون تقریباً 2 برابر کاهش می دهد.” “It places methodological caveats directly in the output or holds blocked actions with a clear list of what remains necessary, rather than fabricating or hedging around missing evidence.”
مشکلات تراز کردن نیز ممکن است در حین آموزش مدل رخ دهد. توسعه دهندگان LLM های مرزی را با دادن تعداد زیادی از وظایف مشابه کارهایی که انتظار می رود در تولید انجام دهند، آموزش می دهند. LLM ها گاهی اوقات در این تکالیف تقلب می کنند، که برای فرآیند یادگیری مفید نیست.
گوگل در حال آزمایش است که آیا کربن از میانبرها برای حل چالش های کدنویسی در معیار Terminal-Bench 4.0 استفاده می کند یا خیر. مدل سعی کرد تنها 0.4 درصد از سوالات را دروغ بگوید و هیچ یک از تلاش ها موفقیت آمیز نبود. کربن حتی در معیار IPI Grey Swan بهتر عمل کرد، که حساسیت LLM ها را به تزریق سریع غیرمستقیم آزمایش می کند. مدل تمام تزریق های سریع شبیه سازی شده را مسدود می کند.
گوگل در اواخر این هفته از طریق برنامه Fairwind خود Carbon را در دسترس قرار خواهد داد که به سازمان هایی مانند ISP ها دسترسی زودهنگام به LLM های خود را می دهد. شرکت‌کنندگان از این مدل‌ها برای رفع شکاف‌های امنیت سایبری در سیستم‌های خود استفاده می‌کنند. گوگل قصد دارد قبل از اینکه به طور گسترده در دسترس قرار گیرد، نرده های محافظ کربن را بر اساس بازخورد اولیه کاربران اصلاح کند.
تصویر: گوگل
با مشارکت در انجمن CUBE از ماموریت ما برای باز و رایگان نگه داشتن محتوا حمایت کنید. به شبکه اعتماد فارغ التحصیلان theCUBE بپیوندید، جایی که رهبران فناوری به یکدیگر متصل می شوند، اطلاعات را به اشتراک می گذارند و فرصت هایی را ایجاد می کنند.
- بیش از 15 میلیون بیننده ویدیوهای CUBE، تقویت مکالمات در هوش مصنوعی، ابر، امنیت سایبری و موارد دیگر
- 11.4k+ فارغ التحصیل CUBE – ارتباط با بیش از 11400 رهبر فناوری و کسب و کار که آینده را از طریق یک شبکه منحصر به فرد مبتنی بر اعتماد شکل می دهند.
SiliconANGLE Media که توسط متفکران فناوری جان فوریه و دیو ولانته تأسیس شد، یک اکوسیستم پویا از برندهای رسانه دیجیتال پیشرو در صنعت ایجاد کرده است که به بیش از 15 میلیون نفر از متخصصان فناوری نخبه دسترسی دارند. TheCUBE AI Video Cloud اختصاصی جدید ما با استفاده از شبکه عصبی theCUBEai.com برای کمک به شرکت های فناوری در تصمیم گیری های مبتنی بر داده و ماندن در خط مقدم گفتگوهای صنعت، زمینه جدیدی را در تعامل با مخاطبان ایجاد می کند.
