बहुमाध्यमिक बड़े मॉडल छवि प्रश्नोत्तर और दृश्य समझ के क्षेत्रों में अपनाए गए व्यापक प्रगति के बावजूद, गणितीय अनुमान जैसे मुख्य चुनौती में अभी भी स्पष्ट कमजोरी है। बीजिंग यूनिवर्सिटी ऑफ पोस्ट एंड टेलीकम्यूनिकेशन, टेंसेंट वीचैट और ट्सिंगहुआ यूनिवर्सिटी के संयुक्त अनुसंधान टीम ने इस बिंदु पर ध्यान दिया और We-Math2.0 - एक अभिनव बहुमाध्यमिक गणितीय अनुमान डेटा सेट और ज्ञान प्रणाली के रूप में आधिकारिक रूप से जारी किया।
इस नई प्रणाली के मुख्य विशेषता एक असाधारण संगठित गणितीय ज्ञान ढांचा बनाना है, जो छोटे आधारभूत गणित से लेकर विश्वविद्यालय के उच्च गणित तक पूर्ण ज्ञान विस्तार को कवर करता है, 491 विविध विषय और 1819 मुख्य ज्ञान सिद्धांत शामिल हैं। ऐसे व्यापक ज्ञान प्रणाली डिज़ाइन एआई मॉडल के लिए ठोस गणितीय सिद्धांत आधार प्रदान करता है।
अभिनव ज्ञान संरचना: परिभाषा-नियम-अनुप्रयोग एक साथ
We-Math2.0 परिभाषा-नियम-अनुप्रयोग के तार्किक संरचना का उपयोग करता है, जो गणितीय अवधारणाओं के बीच स्पष्ट संबंध नेटवर्क बनाता है। इस डिज़ाइन के कारण, मानव गणितीय अध्ययन के ज्ञान के नियमों के अनुरूप होता है, और एआई मॉडल के लिए संरचित अनुमान मार्ग प्रदान करता है। इस तरह, मॉडल गणितीय अवधारणाओं के आंतरिक संबंध को बेहतर समझ सकता है, बल्कि सरल पैटर्न मैचिंग के बजाय।
वर्तमान ओपन-सोर्स डेटा सेट की गुणवत्ता असमान होने की समस्या के लिए, अनुसंधान टीम ने हाथ से अंकगणित के सवाल बनाने और चित्र बनाने के तरीके का उपयोग किया, जिससे MathBook-Standard डेटा सेट का ध्यान दिया गया। इस डेटा सेट के अनुसार, एक ज्ञान सिद्धांत के लिए बहुत सारे प्रश्न के विभिन्न कोणों के साथ कवर किया गया है, जो डेटा की विविधता और उपयोगिता को बढ़ा देता है।
त्रि-आयामी कठिनाई मॉडलिंग: AI को क्रमिक रूप से सीखना सीखाएं
We-Math2.0 का एक अन्य महत्वपूर्ण अभिनवता MathBook-Pro मॉड्यूल है, जो बहुमाध्यमिक गणितीय प्रश्नों के लिए विस्तृत त्रि-आयामी कठिनाई मॉडलिंग करता है। तार्किक रूप से अनुमान चरण के जटिलता, दृश्य जटिलता और संदर्भ जटिलता तीन आयामों में कठिनाई के बढ़ाने के साथ, अनुसंधान टीम ने प्रत्येक बुनियादी प्रश्न को 8 अलग-अलग कठिनाई स्तर के नमूने में विस्तारित करने में सक्षम हो गए।
इस प्रकार के धीरे-धीरे कठिनाई डिज़ाइन के कारण, AI मॉडल मानव छात्रों की तरह, सरल समस्याओं से शुरू करके क्रमिक रूप से हल करने की क्षमता बढ़ा सकते हैं, अंत में जटिल बहुमाध्यमिक गणितीय चुनौतियों का सामना कर सकते हैं। यह विधि अपने मॉडल के व्यापकता क्षमता के लिए महत्वपूर्ण है।
मिश्रित प्रशिक्षण रणनीति: सुपरवाइज्ड लर्निंग और रिन्फोर्समेंट लर्निंग दोनों के द्वारा चलाया जाता है
We-Math2.0 प्रशिक्षण विधि में अभिनव मिश्रित प्रशिक्षण रणनीति का उपयोग किया गया है। प्रणाली पहले 1000 गुणवत्ता वाले डेटा के साथ सुपरवाइज्ड माइक्रो-ट्यूनिंग करता है, जो आधारभूत गणितीय अनुमान क्षमता बनाता है, फिर प्रबलन शिक्षा एल्गोरिथम के साथ ग глубокое अनुकूलन करता है।
विशेष रूप से ध्यान देने योग्य बात यह है कि इस प्रणाली ने डायनामिक शिक्षा एसाइनमेंट योजना के साथ एक अनुकूलन शिक्षा तरीका लागू कर दिया है, जिससे मॉडल विभिन्न प्रकार की त्रुटियों के आधार पर शिक्षा डेटा के भार और वितरण को बदल सकता है। ऐसा स्व-अनुकूलन शिक्षा तरीका प्रशिक्षण की दक्षता और परिणाम में महत्वपूर्ण वृद्धि करता है।
प्रयोग पुष्टि: बहुत सारे मापदंडों में महत्वपूर्ण वृद्धि
प्रारंभिक प्रयोग परिणाम बताते हैं कि We-Math2.0 के साथ अपग्रेड किए गए मॉडल बहुत सारे मुख्य गणितीय अनुमान परीक्षण सेट में बहुत सारे मापदंडों में महत्वपूर्ण वृद्धि दर्ज करते हैं। यह परिणाम नए सिस्टम की प्रभावशीलता की पुष्टि करता है, और बहुमाध्यमिक गणित एआई के विकास के लिए महत्वपूर्ण तकनीकी समर्थन प्रदान करता है।
AIbase विश्लेषण We-Math2.0 के जारी करने के लिए महत्वपूर्ण विश्लेषण है। विश्लेषण के अनुसार, यह प्रणाली बहुमाध्यमिक गणितीय अनुमान अनुसंधान के लिए एक मानक डेटा सेट और मूल्यांकन ढांचा प्रदान करता है; अनुप्रयोग के दृष्टिकोण से, यह अप्रत्याशित घटना गणित शिक्षा, विज्ञान गणना और अभियांत्रिकी अनुप्रयोग के क्षेत्रों में एआई के गहरे अनुप्रयोग के लिए अग्रणी रहेगा।
एक संगठित ज्ञान ढांचा बनाने, अभिनव कठिनाई मॉडलिंग विधि और मिश्रित प्रशिक्षण रणनीति के माध्यम से, We-Math2.0 वर्तमान बहुमाध्यमिक गणितीय एआई के सामने आए मुख्य चुनौती को हल करता है, और भविष्य में गणित शिक्षा के बुद्धिमानीकरण और वैज्ञानिक अनुसंधान के स्वचालन के लिए एक ठोस आधार तैयार करता है। इस परियोजना के सफल कार्यान्वयन के बाद, एआई के जटिल अनुमान कार्यों में एक महत्वपूर्ण कदम उठाने के लिए इसकी घोषणा की गई है।
We-Math2.0 के ओपन-सोर्स जारी करने के साथ, आशा है कि अधिक अनुसंधान टीम इस प्लेटफॉर्म पर संबंधित अनुसंधान करेंगे, जिससे बहुमाध्यमिक गणित एआई तकनीक के तेजी से विकास के लिए आगे बढ़े।
पेपर के लिए लिंक: https://arxiv.org/pdf/2508.10433
