ເມື່ອສາມຍັກໃຫຍ່ AI ຢ່າງ OpenAI, Anthropic ແລະ Google ນຳເອົາລຸ້ນຫຼັກຂອງຕົນມາປະຊົນກັນ, ໃຜຈະຄວບຄຸມຫຸ່ນຍົນໄດ້ເກັ່ງກວ່າ?
ວັນທີ 20 ຕຸລາ, RoboColiseum ສະໜາມປະລະຫຸ່ນຍົນທີ່ຮ່ວມກໍ່ຕັ້ງໂດຍກວ່າ 20 ມະຫາວິທະຍາໄລ, ວິສາຫະກິດ ແລະ ສະຖາບັນຄົ້ນຄວ້າທົ່ວໂລກ ເຊັ່ນ ເມີຟົງເທັກໂນໂລຢີ, Hugging Face, NVIDIA, ມະຫາວິທະຍາໄລຊິງຫົວ ໄດ້ປະກາດຜົນການປະເມີນຮອບນີ້: Claude Opus 5.5 ຢູ່ອັນດັບ 1 ລວມຂອງສີ່ລຸ້ນຫຼັກ, GPT-6 Astra ຕາມມາໃກ້ໆ.
ແຍກເບິ່ງແຕ່ລະດ້ານ, ໃນສີ່ລຸ້ນຫຼັກ, GPT-6 Astra ນຳໜ້າໃນການຕິດຕາມຄຳສັ່ງແລະການປັບຕົວຕໍ່ການລົບກວນໂດຍລວມ, ເຊິ່ງຄະແນນການຕິດຕາມຄຳສັ່ງສູງເຖິງ 99.35; Opus ມີຜົນງານດີກວ່າໃນການເຂົ້າໃຈພື້ນທີ່ແລະການປະຕິບັດທົ່ວໄປ, ແລະ ໄດ້ອັນດັບ 1 ລວມກຸ່ມລຸ້ນຫຼັກດ້ວຍການໃຊ້ token ໜ້ອຍທີ່ສຸດໃນການປະເມີນທຸກຮອບ. ໃນການທົດສອບທີ່ຄຸນນະພາບຮູບພາບຖືກລົບກວນ, GPT-6.1 Sol ຊ້າກວ່າສາມລຸ້ນອື່ນຢ່າງຊັດເຈນ, ສະແດງໃຫ້ເຫັນຄວາມແຕກຕ່າງຂອງຄວາມໝັ້ນຄົງເມື່ອຮັບມືກັບການປ່ຽນແປງຂອງຂໍ້ມູນທາງສາຍຕາຂອງແຕ່ລະລຸ້ນ.
ແຕ່ສອງອັນດັບທຳອິດຂອງການຈັດອັນດັບລວມຮອບນີ້, ຍັງຖືກຄອງໂດຍລຸ້ນຍຸດທະສາດປະລະຫຸ່ນຍົນ, ໂດຍສະເພາະຮັກສາຄວາມໄດ້ປຽບໃນມິຕິການປະຕິບັດທົ່ວໄປ.
ການປະຊົນກັນໃນຄັ້ງນີ້, ໄດ້ສະໜອງຂໍ້ມູນອ້າງອີງທີ່ເປັນຮູບປະທຳໃຫ້ອຸດສາຫະກຳເຫັນຈຸດແຂງແລະຈຸດອ່ອນຂອງລຸ້ນ AI ທົ່ວໄປກັບລຸ້ນຍຸດທະສາດປະລະຫຸ່ນຍົນ.
RoboColiseum ໄດ້ອອກຕາຕະລາງຄວາມສາມາດຍ່ອຍສີ່ປະເພດຄື: ການຕິດຕາມຄຳສັ່ງ, ການເຂົ້າໃຈພື້ນທີ່, ການປັບຕົວຕໍ່ການລົບກວນ ແລະ ການປະຕິບັດທົ່ວໄປ, ພ້ອມທັງໜ່ວຍງານປະເມີນການຈຳລອງຄວາມຊັດເຈນສູງ 78 ໜ່ວຍ, ທັງສະແດງຜົນງານແຕ່ລະດ້ານຂອງລຸ້ນ, ທັງບັນທຶກຂັ້ນຕອນການສຳເລັດໜ່ວຍງານແລະຈຸດທີ່ລົ້ມເຫຼວ, ຊ່ວຍໃຫ້ນັກພັດທະນາຊອກຫາຈຸດອ່ອນຄວາມສາມາດຂອງລຸ້ນໄດ້ຢ່າງໄວວາ.
ໃນຖານະຜູ້ຮ່ວມກໍ່ຕັ້ງ, ເມີຟົງໄດ້ສະໜອງຊັບພະຍາກອນວັດຖຸຄວາມຊັດເຈນສູງແລະສະຖານະການຈຳລອງໃຫ້ RoboColiseum, ສະໜັບສະໜູນການສ້າງສະພາບແວດລ້ອມການປະເມີນໜ່ວຍງານປະຕິບັດຫຸ່ນຍົນທີ່ຊັບຊ້ອນ, ແລະ ສະໜອງຊັບພະຍາກອນພື້ນຖານສຳລັບການທົດສອບຄວາມສາມາດຂອງລຸ້ນພາຍໃຕ້ການປະສົມປະສານວັດຖຸຕ່າງໆ, ການຈັດວາງພື້ນທີ່ ແລະ ເງື່ອນໄຂສະພາບແວດລ້ອມທີ່ແຕກຕ່າງ.
ຜົນງານຂອງລຸ້ນໃນການຈຳລອງສາມາດສະທ້ອນການປະຕິບັດຕົວຈິງໄດ້ຫຼືບໍ່, ກໍເປັນຈຸດສຳຄັນຂອງການປະເມີນເຊັ່ນກັນ. ອີງຕາມຜົນການທົດສອບຕົວຈິງທີ່ແພລດຟອມໄດ້ປະກາດ, ຄວາມສຳພັນລະຫວ່າງການປະເມີນການຈຳລອງຂອງ RoboColiseum ກັບການຕິດຕັ້ງເຄື່ອງຈິງສູງເຖິງ 89.5%, ຄວາມແຕກຕ່າງຂອງການປະເມີນລຸ້ນດຽວກັນໃນການຈຳລອງກັບໂລກຈິງໜ້ອຍກວ່າ 10%, ສາມາດສະໜອງຂໍ້ມູນອ້າງອີງໃຫ້ນັກພັດທະນາໃນການຄັດເລືອກລຸ້ນແລະຊອກຫາບັນຫາກ່ອນເຂົ້າສູ່ການທົດສອບເຄື່ອງຈິງ.
ເມີຟົງເທັກໂນໂລຢີສະໜອງລະບົບການສະໜອງຂໍ້ມູນ "ຄົບຖ້ວນ ດີ ແລະ ໄວ" ຄອບຄຸມສາມຮູບແບບຂໍ້ມູນຫຼັກຄື: ເຄື່ອງຈິງ, ການຈຳລອງ ແລະ ບໍ່ມີຕົວຕົນ. ໃນດ້ານການຈຳລອງ, ເມີຟົງສະໜອງຊັບພະຍາກອນສອງປະເພດຄື ຊັບພະຍາກອນວັດຖຸແລະຊັບພະຍາກອນສະພາບແວດລ້ອມ, ຄອບຄຸມວັດຖຸໃນຊີວິດປະຈຳວັນຫຼາຍຊະນິດແລະສະຖານະການພາຍໃນອາຄານ, ພ້ອມທັງສະໜອງຄວາມສາມາດເຊັ່ນ: ການສ້າງສະຖານະການຄືນໃໝ່, ການເກັບກຳຂໍ້ມູນວິຖີການເຄື່ອນທີ່ຂອງຜູ້ຊ່ຽວຊານ ແລະ ການສະແດງຜົນການປະເມີນແບບເຫັນພາບ, ຊ່ວຍໃຫ້ທີມລຸ້ນດຳເນີນການຝຶກອົບຮົມແລະການປະເມີນທີ່ຫຼາກຫຼາຍ.
Coliseum ເດີມໝາຍເຖິງສະໜາມກິລາວົງມົນຂອງໂຣມັນບູຮານ, RoboColiseum ໃຊ້ຄວາມໝາຍນີ້ເປັນພາບສັນຍາລັກ, ສ້າງລະບົບການປະເມີນທີ່ເປັນລະບົບຫຼາຍມິຕິ, ດ້ວຍການປະເມີນການຈຳລອງທີ່ສອດຄ່ອງສູງກັບການປະຕິບັດຂອງເຄື່ອງຈິງ, ສ້າງ "ສະໜາມແຂ່ງ" ແລະ "ສະໜາມຝຶກ" ທີ່ເປີດເຜີຍ, ເປັນກາງ ແລະ ສາມາດເຮັດຊ້ຳໄດ້ໃຫ້ລຸ້ນປັນຍາປະດິດປະລະຫຸ່ນຍົນ. ມະຫາວິທະຍາໄລ, ສະຖາບັນຄົ້ນຄວ້າ ຫຼື ນັກພັດທະນາວິສາຫະກິດໃດໆ, ລ້ວນແຕ່ສາມາດສົ່ງລຸ້ນຂອງຕົນເຂົ້າຮ່ວມ, ເພື່ອຮັບ "ການສອບເສັງ" ມາດຕະຖານຊຸດໜຶ່ງ. ນັບຕັ້ງແຕ່ເປີດໃຊ້ໃນເດືອນສິງຫາ, ມີຫຼາຍກວ່າ 100 ທີມທັງພາຍໃນແລະຕ່າງປະເທດໄດ້ດຳເນີນການຝຶກອົບຮົມແລະການປະເມີນລຸ້ນເທິງແພລດຟອມ.
ປັດຈຸບັນ RoboColiseum ເປີດໃຫ້ນັກພັດທະນາທົ່ວໂລກແລ້ວ, ຂໍເຊີນທີມລຸ້ນຕ່າງໆເຂົ້າຮ່ວມການປະເມີນ.
