Orchard: स्केलेबल एजेंटिक एआई के लिए एक ओपन फ्रेमवर्क

माइक्रोसॉफ्ट रिसर्च ने ऑर्चर्ड नामक एक ओपन-सोर्स फ्रेमवर्क जारी किया है, जो स्केलेबल और लागत प्रभावी एजेंटिक एआई अनुसंबंध के लिए है। इसके मूल में ऑर्चर्ड एनवी है, जो कुबेरनेट्स-आधारित पर्यावरण सेवा है जो विभिन्न कार्य डोमेन में एजेंटों के प्रशिक्षण और मूल्यांकन के लिए पुन: प्रयोज्य पृथक घटक प्रदान करती है। यह फ्रेमवर्क सॉफ्टवेयर-इंजीनियरिंग, वेब-नेविगेशन और व्यक्तिगत-सहायक एजेंटों का समर्थन करता है, और उन्हें सीधे कोडेक्स, ओपनक्लॉ और ज़ीरोक्लॉ जैसे वास्तविक तैनाती हार्नेस में प्रशिक्षित कर सकता है। परियोजना तीन प्रशिक्षण विधियाँ पेश करती है: ऑर्चर्ड-एसडब्ल्यूई, ऑर्चर्ड-जीयूआई, और ऑर्चर्ड-क्लॉ। सॉफ्टवेयर इंजीनियरिंग के लिए, ऑर्चर्ड-एसडब्ल्यूई मिनिमैक्स-एम2.5 और क्यूडब्ल्यू3.5-397बी से 107,000 आसुत एजेंट इंटरैक्शन का उपयोग करता है, क्रेडिट-असाइनमेंट पर्यवेक्षित फाइन-ट्यूनिंग और सुदृढीकरण सीखने के साथ, केवल लगभग 3 बिलियन सक्रिय पैरामीटर का उपयोग करके एसडब्ल्यूई-बेंच वेरिफाइड पर 69.7% (मूल्य-मॉडल रीरैंकिंग के साथ 73.0%) तक पहुंचता है। वेब नेविगेशन के लिए, ऑर्चर्ड-जीयूआई सीमित पर्यवेक्षण (400 प्रदर्शन और 2,200 कार्य) के साथ एक 4-बिलियन-पैरामीटर विज़न-लैंग्वेज मॉडल प्रशिक्षित करता है, जो वेबवॉयेजर, ऑनलाइन-माइंड2वेब और डीपशॉप पर औसतन 68.4% प्राप्त करता है। व्यक्तिगत सहायता के लिए, ऑर्चर्ड-क्लॉ, कई हार्नेस में 200 सिंथेटिक कार्यों पर प्रशिक्षित, क्लॉ-ईवल पर 59.6% (ज़ीरोक्लॉ के साथ 73.9%) प्राप्त करता है। फ्रेमवर्क का उद्देश्य खुला बुनियादी ढांचा प्रदान करके अनुसंधान लागत कम करना है, और लेखक डेटा दक्षता और संचयी एजेंट सीखने को भविष्य की दिशाओं के रूप में उजागर करते हैं। सभी प्रशिक्षण डेटा और मूल्यांकन विधियाँ समुदाय के लिए जारी की गई हैं।