विस्तृत विश्लेषण · लगभग 3 मिनट पढ़ना
Orca ने छोटा स्कीमा संदर्भ देकर Discovery AI की क्वेरी सुधारी
13 अक्टूबर का अध्ययन नियम, खोजे गए उदाहरण और सत्यापन जोड़ता है; 900 से अधिक मॉडल क्लाउड संसाधन प्रकार हैं, भाषा मॉडल नहीं।
- स्रोत की तारीख
- यहाँ प्रकाशित
- स्रोत जाँचा गया
Orca Security और AWS ने प्राकृतिक भाषा के सुरक्षा सवालों को Sonar फ़िल्टर में बदलने वाला Discovery AI समझाया। 13 अक्टूबर के अध्ययन के अनुसार यह मार्च 2026 से उत्पादन में है। सीख यह है कि हर बार पूरा स्कीमा भेजने के बजाय संबंधित संदर्भ चुनें और जाँचें।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- Sonar 900 से अधिक संसाधन व ऐप प्रकार और 18 ऑपरेटर संभालता है; इसका मतलब 900 आधारभूत मॉडल नहीं।
- शुरुआती प्रोटोटाइप के मुकाबले Orca तुलनीय काम में इनपुट टोकन 93%, कुल क्वेरी लागत 90% और पूरी देरी 75% कम बताता है।
विशिष्ट क्वेरी अनुबंध की कठिनाई
Sonar को सही नामों, संबंधों और 18 ऑपरेटर वाला JSON चाहिए। पहले प्रोटोटाइप में 900 से अधिक परिभाषाएँ और उदाहरण बड़े मॉडल में भेजे जाते थे। हर वर्कलोड लगभग 20 लाख इनपुट टोकन और 60 सेकंड लेता था; जटिल संबंधों को फिर भी सुधार चाहिए था। ये मॉडल इंस्टेंस और स्टोरेज बकेट जैसे संसाधन हैं। इन्हें भाषा मॉडल समझना समस्या और उत्पाद की क्षमता दोनों को गलत बताता है।
निर्माण से पहले नियम और उदाहरण
नौ-चरणीय प्रवाह संगठन और जुड़े क्लाउड का संदर्भ जोड़ता है। निश्चित नियमों वाला मिलान पहचाने गए पहचानकर्ताओं को बिना अनुमान संभालता है; गार्डरेल असमर्थित इनपुट रोकते हैं। Titan 20 उदाहरण खोजता और Cohere Rerank 3.5 पाँच चुनता है। भरोसेमंद पुराना फ़िल्टर दोबारा लिया जा सकता है, वरना केवल संबंधित स्कीमा चुने जाते हैं। Claude Haiku 4.5 चयन व निर्माण और Nova 2 Lite गार्डरेल व सत्यापन संभालते हैं। अलग व्यक्तिगत सदस्यताएँ जरूरी होने का अर्थ नहीं है।
सत्यापन और विशेषज्ञ सुधार कायम हैं
टूल-सहायक जनरेटर चुने स्कीमा व उदाहरणों के बाद स्थिर और Sonar API जाँच से गुजरता है। गलत फ़ील्ड, ऑपरेटर और संबंध स्पष्ट त्रुटि बनकर वापस आते हैं। दोबारा कोशिशें सीमित हैं; असफल होने पर अमान्य फ़िल्टर उत्तर मिलता है। चुने सवाल और संदर्भ क्वेरी बदलावों को जटिलता के अनुसार जाँचते हैं। विशेषज्ञ आंतरिक उपकरण से आउटपुट और कमजोर उदाहरण सुधारते हैं। यह निरंतर गुणवत्ता कार्य है, खोज जोड़ते ही त्रुटियाँ मिटने का दावा नहीं।
बचत के साथ पुराना आधार भी रखें
Orca तुलनीय काम में लगभग 20 लाख से 1.4 लाख इनपुट टोकन, यानी 93% कमी बताता है। कुल लागत 90% कम और पूरी प्रतिक्रिया लगभग 60 से 15 सेकंड, यानी 75% कम हुई। ये अलग माप हैं, परस्पर बदले नहीं जा सकते। उत्पादन में रोज हजारों क्वेरी चलती हैं और गुणवत्ता का मूल्यांकन व ग्राहक प्रतिक्रिया जारी है। प्रासंगिकता, स्कीमा आकार और मॉडल बँटवारे को साथ जाँचना सीख है, दूसरी संस्था को उतनी ही बचत का वादा नहीं।
यह क्यों अहम है
विशिष्ट क्षेत्र के सहायकों में कुछ प्रासंगिक उदाहरण और सत्यापित स्कीमा उपयोगी हैं। मौजूदा क्वेरी प्रणाली का निष्पादन अनुबंध कायम रहता है; विश्वसनीय दिखने वाला वाक्य पर्याप्त नहीं।
सीमाएँ और उपलब्धता
AISubHub ने कंपनियों के परिणाम दोहराए नहीं हैं। तुलना पुराने प्रोटोटाइप से है, सभी Bedrock मॉडल या सुरक्षा कामों से नहीं। सामान्य शुद्धता की गारंटी या व्यक्तिगत सदस्यता का अधिकार नहीं दिया गया।
स्रोत और प्रमाण
स्रोत की तारीख: 13 अक्टू॰ 2026 · स्रोत जाँचा गया: 20 अक्टू॰ 2026
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।