Yapay zeka (AI) artık sadece metin veya görsel üretimi ile sınırlı değil; aynı zamanda derin akıl yürütme, detaylı problem çözme ve gerçek dünya uygulamalarına güçlü bir şekilde uyum sağlama yeteneğine sahip.
Bugün mevcut olan en yeni Llama Nemotron Ultra akıl yürütme modeli, NVIDIA tarafından sunulmakta ve açık kaynaklı modeller arasında zeka ve kodlama göstergelerinde lider doğruluğuyla öne çıkmakta. Bu modeli, ağırlıklarını ve eğitim verilerini Hugging Face‘te bulabilirsiniz. Böylelikle AI’ı araştırma asistanlarından kodlama yardımcılarına ve otomatik iş akışlarına kadar birçok alanda benimseyebilirsiniz.
NVIDIA Llama Nemotron Ultra, Gelişmiş Bilim, Kodlama ve Matematik Kriterlerinde Başarı Sağlıyor
Llama Nemotron Ultra, bilimsel akıl yürütme ve kodlama ile matematik kriterlerinde AI’nın neler başarabileceğini yeniden tanımlıyor. Karmaşık düşünme, insan merkezli konuşmalar, geri çağırma artırılmış üretim (RAG) ve araç kullanımı için post-eğitim ile geliştirilmiş bu model, gerçek dünya işletme ihtiyaçlarına uygun, bilgi yardımcıları ve otomatik iş akışları gibi kullanımlara yönelik derinlikle tasarlanmış.
Llama Nemotron Ultra, Meta Llama 3.1 üzerine inşa edilmekte ve ticari ile sentetik verilerle, ayrıca gelişmiş eğitim teknikleriyle rafine edilmektedir. Ajanik iş akışları için tasarlanan bu model, güçlü akıl yürütme yetenekleri sunarken, erişilebilir ve yüksek performanslı AI sağlamasıyla dikkat çekiyor. NVIDIA, akıl yürütme model geliştirme sürecini desteklemek için iki yüksek kaliteli eğitim verisini açık kaynak olarak paylaştı.
Bu kaynaklar, topluluğa yüksek performanslı, maliyet verimli modeller inşa etmede avantaj sağlamaktadır. NVIDIA ekibi, @KaggleAI Matematik Olimpiyatı‘nda birinci olarak doğrulanan bu verileri, teknoloji ve içgörüler üzerinden Llama Nemotron Ultra’ya uyguladı. Aşağıdaki bölümlerde bu üç kriterin detaylarına bakalım.
GPQA Diamond Kriteri
Şekil 1, 2 ve 3’te de görüldüğü gibi, Llama Nemotron Ultra akıl yürütme modeli bilimsel akıl yürütme kriterinde diğer açık modelleri geride bırakmakta. GPQA Diamond kriteri, biyoloji, fizik ve kimya gibi alanlarda 198 adet titizlikle hazırlanmış sorudan oluşmaktadır ve bu sorular PhD seviyesindeki uzmanlar tarafından geliştirilmiştir.
Bu lisansüstü seviyedeki problemler, ezberlemek veya yüzeysel çıkarımlarda bulunmaktan çok daha derin bir anlayış ve çok aşamalı akıl yürütme talep etmektedir. PhD sahibi insanların bu zorlu alt kümede ortalama %65 doğruluk oranına sahipken, Llama Nemotron Ultra %76’lık bir başarıyla yeni bir standardı belirlemiştir ve bilimsel akıl yürütmede lider açık model olarak kendini kanıtlamıştır. Bu sonuç, Artificial Analysis ve Vellum liderlik tablolarında yer almaktadır.
LiveCodeBench Kriteri
Şekil 4, 5 ve 6’dan da görüldüğü üzere, Llama Nemotron Ultra, LiveCodeBench’de de kayda değer bir başarı sergilemektedir. Bu kriter, gerçek dünya kodlama yeteneklerini değerlendirmek için tasarlanmış kapsamlı bir ölçüttür. LiveCodeBench, kod üretimi, hata ayıklama, kendini onarma, test çıktı tahmini ve yürütme gibi geniş kodlama görevlerine odaklanmaktadır.
LiveCodeBench’deki her problem tarih damgaları ile değerlendirilmektedir, bu sayede adil bir gözlem sağlanmaktadır. Bu ölçüt, gerçek sorun çözümlemeye odaklanarak gerçek bir genelleme test etmektedir. Bu sonuçlar ise Artificial Analysis ve GitHub – LiveCodeBench liderlik tablolarında görüntülenebilmektedir.
AIME Kriteri
Llama Nemotron Ultra, matematiksel akıl yürütme kabiliyetlerini değerlendirmek için sıkça kullanılan AIME kriterinde de diğer açık modellere göre üst sıralarda yer almaktadır. Canlı LLM liderlik tablosuna göz atmayı unutmayın.
Açık Veri Setleri ve Araçlar
Llama Nemotron’un en önemli katkılarından biri, açık tasarım felsefesidir. NVIDIA, modeli ve akıl yürütme becerilerini şekillendiren, sektör için faydalı iki temel veri setini piyasaya sürdü ve bunlar Hugging Face Datasets listesinin zirvesinde yer almaktadır.
OpenCodeReasoning Veri Seti: Popüler rekabetçi programlama platformlarından türetilen 28.000 benzersiz soru üzerinden elde edilen 735.000’den fazla Python örneği içermektedir. Bu veri seti, özellikle denetimli ince ayar (SFT) için tasarlanmıştır ve şirket geliştiricilerinin modellerinin ileri düzey akıl yürütme yeteneklerini damıtmasına yardımcı olur. OpenCodeReasoning’dan yararlanarak, organizasyonlar AI sistemlerinin problem çözme becerilerini geliştirebilir, bu da daha sağlam ve zeki kodlama çözümleri elde etmelerini sağlar.
Llama-Nemotron-Post-Training Veri Seti: Kamuya açık ve açık modelleri, Llama, Nemotron ailesi, Qwen ailesi ve DeepSeek-R1 modellerini içeren sentetik olarak üretilmiştir. Anahtar akıl yürütme görevleri üzerinde bir modelin performansını artırmak amacıyla tasarlanmıştır ve matematik, kodlama, genel akıl yürütme ve talimat takibi gibi becerilerin geliştirilmesine yardımcı olmak için idealdir. Geliştiricilerin karmaşık, çok aşamalı talimatları daha iyi anlama ve yanıt verme yeteneklerini geliştirmek için bu veri seti, daha yetkin ve uyumlu yapay zeka sistemleri oluşturmasına olanak tanır.
NVIDIA, bu veri setlerini Hugging Face üzerinde ücretsiz olarak sunarak akıl yürütme modellerinin eğitimini demokratikleştirmeyi hedeflemektedir. Startuplar, araştırma laboratuvarları ve işletmeler artık NVIDIA iç ekiplerinin kullandığı kaynaklara erişebilir ve ajanik AI olan, karmaşık iş akışlarında bağımsız olarak akıl yürütme, planlama ve eylem gerçekleştirebilen AI’nın daha geniş çapta benimsenmesini hızlandırabilirler.
Kurumsal Uygun Özellikler: Hız, Doğruluk ve Esneklik
Llama Nemotron Ultra, ticari olarak uygulanabilir bir modeldir ve kodlama yardımcıları, müşteri hizmeti chatbotları, otonom araştırma ajanları ve görev odaklı asistanlar gibi çok çeşitli ajanik AI kullanım alanlarında kullanılabilir. Bilimsel akıl yürütme ve kodlama kriterlerinde sağladığı güçlü performans, doğruluk, uyumluluk ve çok aşamalı problem çözme gerektiren gerçek dünya uygulamaları için güçlü bir temel oluşturmaktadır.
Llama Nemotron Ultra, en iyi sınıf model doğruluğu sunarken, açık akıl yürütme model sınıfında lider çıkış oranı sağlamaktadır. Verimliliği (çıkış oranı) doğrudan tasarruf ile ilişkilendirilmekte. Beyin Mimari Arama (NAS) yaklaşımını kullanarak, modelin bellek izini büyük ölçüde azaltıyoruz ancak performansını koruyoruz, bu da veri merkezi ortamında daha büyük iş yükleri ve daha az GPU ile çalıştırmaya olanak tanıyor.
Bu süreçten sonra, model, akıl yürütme ve akıl yürütme dışı görevlerde başarılı olmasını sağlamak üzere denetimli ince ayar ve pekiştirmeli öğrenme (RL) dahil olmak üzere kapsamlı bir post-eğitim sürecine tabi tutulmuştur. Model, kurumsal gereksinimler doğrultusunda akıl yürütme işlevini yalnızca gerektiğinde etkinleştirerek, daha basit, ajanik olmayan görevlerde ek yükü azalmasına olanak tanıyan bir destek sunmaktadır.
Başlayın
NVIDIA, Llama Nemotron Ultra’yı yüksek çıkış oranı ve düşük gecikme için optimize edilmiş bir NVIDIA NIM inference mikroservisi olarak paketlemiştir. NVIDIA NIM, endüstri standartı API’leri kullanarak, yerel veya bulut üzerinde kesintisiz, ölçeklenebilir AI çıkarımı sağlar.
- Llama Nemotron Ultra NIM‘ı doğrudan tarayıcınızdan deneyin.
- Llama Nemotron Ultra modelini Hugging Face’ten indirin.
- Özel akıl yürütme modelleri eğitmek için OpenCodeReasoning Veri Seti ve Llama-Nemotron-Post-Training Veri Seti‘ni indirin ve özelleştirin.
