متا مدل هوش مصنوعی Muse Spark 1.3 را معرفی کرد؛ عملکرد بهتر در کارهای Agentic و کدنویسی

متا از Muse Spark 1.3 رونمایی کرده است؛ نسخه‌ای جدید از مدل هوش مصنوعی این شرکت که با تمرکز بر بهبود عملکرد در وظایف Agentic و کدنویسی توسعه یافته است. متا می‌گوید این مدل حاصل تجربه چند ماه استفاده گسترده از Muse Code و Meta Model API است و تغییرات آن با هدف کاربردپذیری بیشتر در شرایط واقعی انجام شده‌اند.

بهبود مدل هوش مصنوعی متا Muse Spark 1.3 برای Workflowهای Agentic

مدل Muse Spark 1.3 برای انجام کارهای طولانی‌تر طراحی شده و می‌تواند با کاربر همکاری کند و چند Workflow را در یک رشته گفت‌وگوی طولانی مدیریت کند.

در اهداف باز و پیچیده، مدل می‌تواند از ابزارها برای ساختن Context موردنیاز خود از میان منابع نامرتب و متناقض استفاده کند، ایرادهای موجود در برنامه کاری را شناسایی و اصلاح کند و آموخته‌های خود را برای تولید خروجی نهایی حفظ کند.

قابلیت‌های همکاری با کاربر

متا می‌گوید Muse Spark 1.3 برای همکاری بهتر با کاربران آموزش دیده و در شرایط مختلف می‌تواند:

• در صورت مبهم بودن Prompt، سؤال‌های روشن‌کننده بپرسد.
• هنگام گیر کردن در یک مرحله، از کاربر کمک بخواهد.
• پیش از انجام اقدامات مهم و پیامددار، تأیید کاربر را دریافت کند.
• بر اساس ترجیح کاربر، مرتباً درباره روند کار گزارش دهد یا در پس‌زمینه بدون ایجاد مزاحمت کار کند.

دنبال کردن بهتر دستورهای طولانی و چندمرحله‌ای

مدل Muse Spark 1.3 در اجرای دستورهای پیچیده و طولانی نسبت به مدل‌های قبلی Muse Spark عملکرد قابل‌اعتماد‌تری دارد. این مدل در کارهای چندمرحله‌ای می‌تواند الزامات جزئی را بهتر حفظ کند و کمتر دچار حذف محدودیت‌ها یا انحراف از Workflow تعیین‌شده شود.

قابلیت‌های چندوظیفه‌ای نیز در این نسخه بهبود یافته‌اند. Muse Spark 1.3 می‌تواند در محیط‌های شلوغ و تک‌رشته‌ای، Promptهای ورودی را دقیق‌تر به وظیفه مناسب مرتبط کند؛ حتی زمانی که کاربر به درخواست‌های قبلی بازمی‌گردد یا یک کار در حال اجرا را متوقف می‌کند.

متا همچنین Muse Spark 1.3 را برای درک بهتر قابلیت‌ها و محدودیت‌های خودش آموزش داده است. این موضوع شامل تشخیص موارد زیر می‌شود:

• چه کارهایی را می‌تواند یا نمی‌تواند انجام دهد.
• چه اطلاعاتی را می‌داند و چه اطلاعاتی را نمی‌داند.
• چه زمانی با مانع مواجه شده است و نباید برای آن نتیجه‌ای بدون پشتوانه تولید کند.

مدل هوش مصنوعی متا Muse Spark 1.3

بهبود عملکرد Muse Spark 1.3 در کدنویسی

مدل Muse Spark 1.3 با استفاده از تعداد بیشتری از وظایف کدنویسی طولانی‌مدت برای Workflowهای رایج مهندسی آموزش دیده است. در مقایسه با Muse Spark 1.2، نسخه جدید در موارد غیرضروری تعاملات کمتری انجام می‌دهد، پاسخ‌های کم‌حاشیه‌تری دارد و سبک کدنویسی تمیزتری ارائه می‌کند.

طبق مقایسه‌های انجام‌شده توسط مهندسان متا، Muse Spark 1.3 به شکل محسوسی سریع‌تر و کارآمدتر از Muse Spark 1.2 عمل می‌کند. این مدل حدود ۲۰ درصد Tool Call کمتر و حدود ۲۵ درصد Token کمتر مصرف کرده است.

بهبود ایمنی و مقاومت در برابر Prompt Injection

متا هم‌زمان با ارتقای قابلیت‌های Agentic و کدنویسی، روی بخش ایمنی Muse Spark 1.3 نیز کار کرده است. این مدل از مقاومت Adversarial بیشتری برخوردار است و در برابر مواردی مانند ورودی‌های خصمانه و Prompt Injection عملکرد بهتری دارد.

در وظایف پیچیده Agentic، مدل همچنین توانایی بهتری برای تشخیص اقداماتی دارد که ممکن است برگشت‌ناپذیر باشند و می‌تواند بر اساس این تشخیص، واکنش مناسب‌تری نشان دهد.

دسترسی به Muse Spark 1.3

مدل Muse Spark 1.3 اکنون در Muse Code و Meta Model API در دسترس است. حالت‌های Reasoning که پیش‌تر ارائه شده بودند نیز اکنون قابل استفاده هستند؛ بااین‌حال، حالت Max Reasoning پس از انجام آزمایش‌های ایمنی بیشتر عرضه خواهد شد.

Muse Code را می‌توان روی سیستم‌عامل‌های macOS و Linux نصب کرد.

curl -fsSL https://dev.meta.ai/install.sh | bash

متا اعلام کرده است که نقشه راه Muse Spark شامل توسعه مدل‌های بزرگ‌تر و همچنین انتشار یک نسخه Open-Weights از Muse Spark خواهد بود.

جمع‌بندی

مدل هوش مصنوعی متا Muse Spark 1.3 تمرکز ویژه‌ای بر انجام وظایف طولانی، چندمرحله‌ای و Agentic دارد و در کنار بهبود قابلیت‌های همکاری با کاربر، عملکرد کدنویسی و بهره‌وری مدل را نیز ارتقا می‌دهد. کاهش حدود ۲۰ درصدی Tool Callها و ۲۵ درصدی مصرف Token در مقایسه با Muse Spark 1.2، از مهم‌ترین بهبودهای اعلام‌شده برای این نسخه هستند.

به نظر شما بهبود عملکرد در Workflowهای Agentic و کاهش مصرف Token تا چه اندازه می‌تواند Muse Spark را برای استفاده‌های حرفه‌ای و کدنویسی جذاب‌تر کند؟