Rudi kwa Habari
UbunifuAI Understanding muhtasari

Mapitio yamegundua miundo ya msingi kwa ujumla haijachukua nafasi ya usanifu maalum wa kujifunza mashine

Ukaguzi wa karatasi 159 unasema kwamba miundo msingi ya lugha inaweza kuwa na ushindani mkubwa katika kazi zilizochaguliwa, lakini haipati ushahidi wowote wa uingizwaji mpana wa usanifu wakati watafiti wanajaribu moja kwa moja ikiwa miundo inahifadhi na kukokotoa muundo msingi wa data.

5 min readRead the primary source
Source-page capture accompanying Review finds foundation models have not generally replaced specialized machine-learning architectures
Hati ya chanzo msingiChanzo kimerekodiwa
Mchapishaji
arxiv.org
Kiungo cha chanzo
arxiv.orghttps://arxiv.org/abs/2608.28980
Aina ya chanzo
Hati ya msingi - tangazo rasmi, karatasi, faili, au ukurasa wa mtu wa kwanza tunasoma moja kwa moja.
MuktadhaElewa hili katika sekunde 60

Anzia hapa

Masharti muhimu

Mfano wa Msingi
Mfano mkubwa uliofunzwa awali ambao unaweza kubadilishwa kwa kazi nyingi za chini.
Mafunzo ya awali
Mafunzo ya awali ya modeli ya kiwango kikubwa juu ya data pana kabla ya kukabiliana na mkondo wa chini.
Benchmark
Jaribio sanifu au seti ya data inayotumika kupima na kulinganisha utendakazi wa muundo.
Jijaribu mwenyeweMaswali Yanayofafanuliwa kwa Miundo ya AI

Nini kilitokea

Ukaguzi mpya wa arXiv huchunguza kama miundo ya msingi ya lugha inaweza kuchukua nafasi ya usanifu maalum wa kujifunza kwa mashine uliojengwa kwa data iliyopangwa. Mwandishi anakagua karatasi 159 zilizochapishwa kutoka 2016 hadi 2026 katika njia tisa na kulinganisha usahihi wa utabiri na uwezo wa kuwakilisha na kukokotoa muundo unaohusiana na kazi.

Karatasi inauliza ikiwa usanifu maalum ulioundwa jadi kwa data iliyopangwa inaweza kubadilishwa na miundo inayotegemea lugha. Hupanga mbinu zilizopo katika mifumo minane ya uwakilishi, kuanzia mifumo ya lugha pekee hadi usanifu maalumu kabisa. Mapitio hushughulikia mafanikio kwenye kazi na uhifadhi wa muundo ambao hufanya kazi iweze kutatuliwa kama maswali tofauti. Uundaji huo huruhusu karatasi kutofautisha matokeo yanayoonekana ya modeli kutoka kwa mifumo ya ndani au dhahiri inayotumiwa kuitengeneza. Pia huweka mbinu tofauti za usanifu kwenye kiwango cha dhana ya kawaida bila kuziwasilisha kama mifumo inayofanana.

Kulingana na karatasi, modeli za upatanishi wa lugha zina ushindani mkubwa katika mipangilio kadhaa: utabiri wa risasi chache uliokithiri, kazi za ishara zilizotengwa, grafu za maarifa zilizofafanuliwa kimaandishi na mafunzo ya mapema ya kiwango kikubwa ndani ya muundo mmoja. Matokeo hayo yanaunga mkono hitimisho finyu kuliko uingizwaji wa jumla. Mfano unaweza kutoa utabiri sahihi katika mpangilio fulani bila kuwakilisha uhusiano, jiometri au muundo mwingine ambao mfumo maalum hutumia kwa uwazi. Kwa hivyo uhakiki hutenganisha hali ambapo lugha ni kiolesura cha ufanisi kutoka kwa hali ambapo lugha inatosha kama uwakilishi msingi wa kimahesabu. Tofauti hiyo ni muhimu katika kutafsiri matokeo yaliyochaguliwa.

Mapitio yanaripoti kwamba, uwakilishi wa muundo au hesabu inapotathminiwa moja kwa moja, haipati ushahidi wa uingizwaji wa jumla wa usanifu. Katika jumuiya za utafiti, karatasi inabainisha muundo unaojirudia: wakati lugha pekee haitoshi, watafiti huongeza nyuma muundo unaokosekana kupitia moduli za grafu, ishara za kimuundo, umakini maalum au sehemu nyingine isiyo ya lugha. Chanzo ni karatasi ya kurasa 41, ya mwandishi mmoja arXiv iliyowasilishwa mnamo Agosti 29, 2026, na haiwasilishi mfumo wake mpya wa majaribio. Mchango wake kwa hivyo ni kupanga na kufasiri kazi za awali, ikijumuisha utofautishaji kati ya mbinu za lugha pekee, mseto na zilizobobea kikamilifu. Hoja inategemea usanisi wa karatasi badala ya seti moja ya data iliyokusanywa mpya au alama.

Maelezo ya chanzo: arxiv.org ↗

Kwa nini ni muhimu

Maoni yanapinga masimulizi rahisi badala. Dai lake kuu ni kwamba utaalam mara nyingi husogea ndani au kando ya mifumo ya mfano wa msingi badala ya kutoweka. Tofauti hiyo ni muhimu kwa watafiti na mashirika yanayoamua ikiwa muundo wa madhumuni ya jumla unaweza kushughulikia kazi zilizopangwa kwa usalama au kwa ufanisi.

Maana ya vitendo ni kwamba alama za usahihi pekee zinaweza kutoa picha isiyo kamili ya kama muundo wa msingi unafaa kwa kazi iliyopangwa. Mfumo unaotegemea lugha unaweza kuonekana kuwa wa ushindani kwenye kipimo cha matokeo huku ukitegemea uwasilishaji usio wa moja kwa moja ambao hauna uwazi kidogo, ufanisi duni au unaotegemewa kidogo kwa mahusiano yanayosimamia kazi. Mapitio yanasema kuwa tathmini zinafaa kupima muundo wenyewe wakati muundo huo ni msingi wa utendakazi. Hii inaweza kurahisisha kubainisha kama alama dhabiti zinaonyesha jinsi mahusiano husika yanavyoshughulikiwa au kufaulu tu chini ya kipimo fulani. Pia itafichua mabadiliko ambayo matokeo ya kazi ya mwisho yanaweza kufichwa.

Mchanganyiko wa karatasi ni muhimu kwa maamuzi juu ya muundo wa mfano. Timu za kuunda mifumo ya grafu, hoja za kiishara au ingizo zingine zilizoundwa zinaweza kupata kwamba muundo wa msingi ni muhimu kama sehemu moja, lakini bado unahitaji mbinu dhahiri za kuwakilisha uhusiano na kutekeleza ukokotoaji mahususi wa kikoa. Katika akaunti hii, utaalam huhamishiwa kwenye adapta, moduli, ishara au mifumo ya umakini badala ya kuondolewa. Uwezekano huo hubadilisha jinsi muundo wa madhumuni ya jumla unapaswa kutathminiwa na kuunganishwa: thamani yake inaweza kutoka kwa kufanya kazi na sehemu maalum badala ya kuchukua nafasi ya moja. Kwa hivyo mapitio yanawasilisha chaguo la usanifu kama swali la wapi muundo umewekwa kwenye mfumo.

Matokeo pia yanatimiza madai kwamba kipimo pekee kitafanya modeli za madhumuni ya jumla kuwa mbadala za ulimwengu wote. Ukaguzi unasema utendakazi unaotegemea lugha huboreka kwa kuongeza, lakini unasema swali la iwapo kuongeza unaweza hatimaye kuondoa pengo na usanifu unaofahamu muundo halijajaribiwa. Kwa sababu chanzo ni mapitio ya fasihi badala ya utafiti huru wa kulinganisha, haiashirii kuwa mifumo maalum itashinda miundo ya msingi kila wakati, wala haihesabu gharama au ukubwa wa pengo lolote lililosalia. Kwa hivyo hitimisho lake ni tahadhari kuhusu nguvu ya dai la uingizwaji, si cheo cha jumla cha familia za mfano. Suala ambalo halijatatuliwa ni kama kuongeza ukubwa wa siku zijazo kunabadilisha uhusiano kati ya utendaji wa madhumuni ya jumla na ukokotoaji dhahiri wa muundo.

Interactive Mechanism

Mbinu shirikishi: Jinsi Inavyofanya Kazi Kweli

Chunguza teknolojia msingi nyuma ya ukuzaji huu kwa maingiliano.

Thinking Budget (Test-Time Tokens):1,024 tokens
Complex Accuracy79%Math & Code Logic
Latency3.2sTime to first full output
Inference Cost$0.0092Per query estimated
Reasoning StyleStep VerificationInternal chain depth
Active Thinking Trace:
1Deconstruct user problem into formal constraints
2Propose candidate hypotheses & step-by-step calculation
3Self-correction: Backtrack and refute subtle edge cases
4Exhaustive consistency check & final output synthesis
Core takeaway: Test-time compute fundamentally changes AI economics. Instead of only scaling during pre-training, giving reasoning models more tokens at inference time allows them to systematically solve PhD-level STEM problems.
Ukaguzi wa Dhana ya Kuingiliana+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

Nini cha kutazama baadaye

Karatasi ni mapitio na usanisi wa dhana, si alama mpya au jaribio linalodhibitiwa. Hitimisho lake kwamba kuongeza kunaweza kusiziba pengo na mifumo inayofahamu muundo bado haijajaribiwa. Kazi ya siku zijazo itahitaji ulinganisho wa moja kwa moja juu ya hoja za kimuundo, ufanisi wa hesabu, uhamisho, kuegemea na gharama.

Hatua inayofuata muhimu zaidi ni tathmini ya moja kwa moja ya muundo, sio tu usahihi wa kazi ya mwisho. Masomo yajayo yanapaswa kupima kama miundo huhifadhi mahusiano, vikwazo vya utunzi na sifa nyinginezo zinazohusiana na kazi huku ikipima hesabu, mahitaji ya data, muda wa kusubiri na matumizi ya rasilimali. Chanzo hakitoi vipimo hivyo vipya, kwa hivyo saizi ya vitendo ya faida inayodaiwa bado haijulikani. Kazi kama hiyo inaweza kuunganisha tofauti ya dhana ya ukaguzi na matokeo ya uhandisi na utafiti unaoonekana. Inaweza pia kuonyesha kama mfumo huo huo unafanya kazi kwa njia tofauti inapotathminiwa na matokeo yake, uwakilishi wake na rasilimali zinazohitajika kuzipata.

Itajalisha pia ikiwa muundo wa ukaguzi unashikilia njia zote tisa na kwa miundo mipya ya miundo ya msingi. Chanzo hukusanya matokeo katika muongo mzima wa utafiti, lakini dondoo halitambui kila mbinu, karatasi au kigezo cha ujumuisho kwa undani. Kwa hivyo wasomaji wanapaswa kulichukulia hitimisho kama mkusanyiko ambao unaweza kuongoza uchunguzi, si kama utabiri mahususi kuhusu kila programu-tumizi ya data iliyopangwa. Ulinganisho utahitaji kuhifadhi tofauti kati ya mtindo kuwa shindani katika mpangilio uliochaguliwa na muundo unaochukua nafasi ya usanifu unaosimba muundo wa kazi. Tofauti hiyo ni muhimu hasa wakati matokeo yanapotolewa kutoka kwa jumuiya tofauti za utafiti au mila za tathmini.

Watafiti na wasambazaji wanapaswa kuangalia ulinganisho unaodhibitiwa kati ya mifumo ya lugha pekee, mifumo mseto na usanifu uliobobea kikamilifu. Ushahidi muhimu utajumuisha tathmini nje ya mipangilio ambapo miundo inayoingiliana na lugha tayari imefafanuliwa kuwa shindani, majaribio ya mabadiliko ya usambazaji na kushindwa kwa miundo, na kuripoti kwa uwazi gharama za mafunzo na maelekezo. Karatasi inaacha wazi ikiwa miundo mikubwa inaweza hatimaye kuondoa hitaji la muundo wazi, na kufanya hilo kuwa swali la utafiti ambalo halijatatuliwa badala ya matokeo yaliyotatuliwa. Ushahidi kutoka kwa ulinganisho huo ungesaidia kubainisha ikiwa utaalamu hauhitajiki au umehamia sehemu nyingine ya mfumo. Hadi wakati huo, hakiki inasaidia upimaji makini wa mawazo ya usanifu badala ya hitimisho pana kwamba muundo mmoja umechukua nafasi ya zingine.

Miongozo & maswali yanayohusiana

Mifano ya AI ImefafanuliwaTransfomaChatGPT na LLMMafunzo ya AIJaribu unachojua - jaribu maswali ya AI bila malipoTafuta istilahi ya AI katika faharasa yetuFuata kifuatiliaji cha toleo la muundo wa AI
Je, umepata hii kuwa muhimu?