![translation](https://cdn.durumis.com/common/trans.png)
นี่คือโพสต์ที่แปลด้วย AI
SK C&C เปิดตัว 'Soluer LLMOps' แพลตฟอร์มสนับสนุนการใช้งาน sLLM ที่ปรับแต่งตามความต้องการของลูกค้า
- ภาษาที่เขียน: ภาษาเกาหลี
- •
-
ประเทศอ้างอิง: ทุกประเทศ
- •
- เทคโนโลยีสารสนเทศ
เลือกภาษา
สรุปโดย AI ของ durumis
- SK C&C เปิดตัว 'Soluer LLMOps' แพลตฟอร์มที่ช่วยให้องค์กรสามารถสร้างแบบจำลองภาษาขนาดใหญ่ขนาดเล็ก (sLLM) ที่ปรับแต่งตามความต้องการได้อย่างง่ายดาย
- แพลตฟอร์มนี้สนับสนุนการรวมและใช้งานแบบจำลองพื้นฐานภายนอกที่หลากหลาย และใช้ไฮเปอร์ออโตเมชั่นในทุกขั้นตอน ตั้งแต่การรวบรวมข้อมูล การฝึกฝน การทดสอบ ไปจนถึงการให้บริการ เพื่อเพิ่มประสิทธิภาพ
- นอกจากนี้ ยังมีอินเทอร์เฟซที่ใช้งานง่ายแบบลากและวาง ซึ่งช่วยให้ผู้ที่ไม่ใช่ผู้เชี่ยวชาญสามารถสร้างและใช้งาน sLLM ได้อย่างง่ายดาย
การใช้แบบจำลองพื้นฐานที่หลากหลายที่นำเสนอโดย LLM เชิงพาณิชย์ เช่น ChatGPT, ClovaX และ LLM แบบโอเพนซอร์ส
การใช้ไฮเปอร์ออโตเมชันในกระบวนการทั้งหมดของการสร้าง sLLM เช่น การรวบรวมข้อมูล การเตรียมข้อมูล การฝึกฝน การทดสอบ และการให้บริการ
การกำจัดปรากฏการณ์ภาพหลอน (Hallucination) และการนำเสนอฟังก์ชันการทดสอบ sLLM ด้วย
การสร้าง sLLM อย่างรวดเร็วผ่านการลากและวาง และการยืนยันความน่าเชื่อถือของ sLLM ผ่านการฝึกฝนแบบขนานข้อมูลตามเวลาจริง
ยุคที่บริษัทต่างๆ สามารถใช้ sLLM ที่รวมแบบจำลองพื้นฐานที่หลากหลายได้อย่างอิสระเพื่อสร้างบริการ AI ที่กำหนดเองได้ด้วยตนเองได้เปิดฉากขึ้นแล้ว
sLLM นั้นมีขนาดเล็กกว่า LLM (แบบจำลองภาษาขนาดใหญ่) เช่น ChatGPT, HyperclovaX, Gemini แต่สามารถฝึกฝนให้เชี่ยวชาญในโดเมนเฉพาะได้ การใช้ทรัพยากรการคำนวณน้อยลง ทำให้สามารถลดต้นทุนการพัฒนาและเสริมความปลอดภัยได้ การใช้ sLLM ช่วยให้สามารถสร้างบริการ AI เฉพาะขององค์กรได้อย่างมีประสิทธิภาพ
SK C&C (ซีอีโอ : Yoon Phong-young, skcc.co.kr) ได้ประกาศในวันนี้ว่า บริษัทกำลังนำเสนอแพลตฟอร์ม "Solur LLMOps (ต่อไปนี้จะเรียกว่า "Solur LLMOps") เพื่อช่วยให้บริษัทต่างๆ สามารถสร้าง sLLM (แบบจำลองภาษาขนาดเล็ก) ที่กำหนดเองได้อย่างง่ายดายและรวดเร็ว
SK C&C ได้รวบรวมแนวทางการใช้แบบจำลองพื้นฐาน AI ที่สร้างขึ้น การผสานรวมข้อมูลขององค์กรและความเชี่ยวชาญด้านการเรียนรู้ กระบวนการทั้งหมดของการสร้าง sLLM ที่กำหนดเองสำหรับองค์กรลงใน "Solur LLMOps" จากประสบการณ์การสร้างและการดำเนินการบริการ AI แบบสร้างสรรค์ที่ดำเนินการร่วมกับลูกค้าหลายรายในภาคธุรกิจที่หลากหลาย เช่น การเงิน การผลิต การสื่อสาร และการให้บริการ
แบบจำลองพื้นฐานคือแบบจำลองที่เรียนรู้จากข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างเพื่อสนับสนุนการทำงานของ AI ที่หลากหลาย เช่น การทำความเข้าใจภาษา การสร้างข้อความและรูปภาพ และการสนทนาภาษาธรรมชาติ
"Solur LLMOps" สนับสนุนการรวมและการใช้แบบจำลองพื้นฐานภายนอกที่หลากหลายเป็นอันดับแรก
นอกเหนือจาก LLM เชิงพาณิชย์ เช่น OpenAI ChatGPT, Naver Cloud HyperclovaX แล้ว ยังสามารถใช้แบบจำลองพื้นฐานที่หลากหลาย ที่สร้างขึ้นจาก LLM แบบโอเพนซอร์สได้ด้วย บริษัทให้คำแนะนำเกี่ยวกับแบบจำลองพื้นฐานที่จำเป็นสำหรับการสร้าง sLLM ที่เหมาะสมกับลักษณะเฉพาะของ AI ขององค์กร และสนับสนุนกระบวนการเลือก รวม และใช้แบบจำลอง
โดยเฉพาะอย่างยิ่ง ไฮเปอร์ออโตเมชัน (อัตโนมัติระดับสูง) ถูกนำไปใช้กับกระบวนการทั้งหมด ตั้งแต่ △การรวบรวมและการเตรียมข้อมูล △การสร้างข้อมูลการเรียนรู้แบบอัตโนมัติ △การเรียนรู้โดยใช้แบบจำลองพื้นฐานภายนอก △การสร้างและทดสอบ sLLM เพื่อปรับปรุง ประสิทธิภาพอย่างมากในกระบวนการสร้าง sLLM ที่กำหนดเองสำหรับองค์กรและลดต้นทุน
ในความเป็นจริง "Solur LLMOps" จะทำการรวบรวมข้อมูลขององค์กรและเตรียมข้อมูลที่ไม่มีโครงสร้างให้เป็นข้อมูลการเรียนรู้โดยอัตโนมัติ จากนั้น การเรียนรู้จะดำเนินการอย่างรวดเร็วโดยใช้แบบจำลองพื้นฐาน AI แบบสร้างสรรค์ภายนอกที่เลือกไว้ และ sLLM จะเสร็จสมบูรณ์ตามวัตถุประสงค์ทางธุรกิจของ องค์กร นอกจากนี้ ยังมีสถาปัตยกรรมที่ให้บริการการจัดการทรัพยากรการเรียนรู้แบบ Serverless เพื่อปรับให้เหมาะสมกับทรัพยากรที่จำกัด
"Solur LLMOps" นำเสนอฟังก์ชันการกำจัดภาพหลอน (Hallucination, ภาพหลอน) ซึ่งเป็นปรากฏการณ์ที่ AI สร้างข้อผิดพลาดและฟังก์ชันการทดสอบ sLLM ด้วย
มีการให้บริการเครื่องมือ AI แบบอัตโนมัติสำหรับการจัดการภาพหลอนในแต่ละขั้นตอน ตั้งแต่การเตรียมข้อมูล การสร้างแบบจำลอง การประเมินผล และการใช้งาน ทำให้แม้แต่ผู้ที่ไม่ใช่ผู้เชี่ยวชาญก็สามารถสร้าง sLLM ได้อย่างมั่นใจ
คุณสามารถทำการทดสอบความสมบูรณ์ผ่านหน้าต่างแชทของ "Solur LLMOps" โดยใช้คำถามง่ายๆ และคำถามที่จำเป็นสำหรับการทดสอบจะถูกนำเสนอโดยอัตโนมัติ
นอกจากนี้ "Solur LLMOps" ยังมีสภาพแวดล้อมการใช้งาน (UI) และประสบการณ์ (UX) ที่เป็นมิตรกับผู้ใช้เพื่อให้มั่นใจในการสร้างแบบจำลอง sLLM ที่รวดเร็วและเชื่อถือได้ซึ่งเหมาะสมกับสภาพแวดล้อมการทำงานขององค์กร
ผู้ใช้สามารถทำซ้ำงานต่างๆ เช่น การทำความสะอาดข้อมูล การปรับแต่งแบบจำลอง และการทดสอบได้โดยการเลือกข้อมูลบนหน้าจอเว็บและใช้ วิธีการลากและวาง (Drag & Drop) ที่ง่ายดาย ไม่เพียงแต่การประมวลผลข้อมูลจำนวนมากเท่านั้น แต่ยังรวมถึงการเรียนรู้แบบขนานพร้อมกันโดยใช้ แบบจำลองพื้นฐานหลายแบบด้วยการควบคุมเพียงแค่เมาส์
ด้วยวิธีนี้ พนักงานในสถานที่ทำงานสามารถสร้าง sLLM ที่จำเป็นสำหรับงานของตนเองได้อย่างง่ายดายและนำไปใช้กับงานที่หลากหลาย
Cha Ji-won ผู้อำนวยการกลุ่ม G.AI ของ SK C&C กล่าวว่า "ฟังก์ชันหลักที่รวมอยู่ใน Solur LLMOps ถูกนำไปใช้ในโครงการสร้าง AI แบบสร้างสรรค์ของบริษัทในเครือ SK รวมถึง บริษัททางการเงิน" และกล่าวเสริมว่า "โดยเริ่มจากสิ่งนี้ เราจะพยายามอย่างเต็มที่ ในการเผยแพร่ sLLM ที่กำหนดเองสำหรับองค์กรในอุตสาหกรรมทั่วประเทศ"
เว็บไซต์: http://www.skcc.com
ติดต่อ
SK㈜ C&C
ทีมประชาสัมพันธ์
ผู้จัดการ Ji Yoon-jin