ZGCM-1-7B ने गणितीय गणनाओं और एजेंट खोज के लिए पूर्ण वज़न, डेटा और कोड जारी किया

झोंगगुआनचुन अकादमी और झोंगगुआनचुन आर्टिफिशियल इंटेलिजेंस इंस्टीट्यूट ने ZGCM-1-7B मॉडल जारी किया है। यह 7.39 बिलियन पैरामीटर वाला एक पूरी तरह से खुला सघन मॉडल है जिसे टूल का उपयोग करके गणितीय तर्क और एजेंट खोज कार्यों के लिए डिज़ाइन किया गया है।

वज़न, प्रशिक्षण डेटा और प्रशिक्षण कोड Hugging Face और GitHub प्लेटफॉर्म पर MIT लाइसेंस के तहत उपलब्ध हैं, जबकि विस्तृत तकनीकी रिपोर्ट arXiv पर प्रकाशित की गई है।

यह मॉडल सीमित स्लाइडिंग विंडो वाले 27 परतों और पांच वैश्विक परतों से बनी हाइब्रिड अटेंशन आर्किटेक्चर का उपयोग करता है। यह 256 हजार टोकन का संदर्भ विंडो समर्थन करता है और एक ही चेकपॉइंट में प्रत्यक्ष उत्तर और विचार दोनों मोड प्रदान करता है।

प्री-ट्रेनिंग चरण में लगभग 4.19 ट्रिलियन टोकन का उपयोग हाइब्रिड प्रेसिजन FP8 और म्यूऑन ऑप्टिमाइज़ेशन के साथ किया गया था। मध्यवर्ती प्रशिक्षण के दौरान, संदर्भ को 16 हजार से 64 हजार और फिर 256 हजार तक बढ़ाया गया, जिसमें लगभग 600 बिलियन टोकन का उपयोग किया गया। इस दौरान, इंटरैक्शन ट्रेजेक्टरीज़ को MDP स्टेट-एक्शन ट्रांजिशन में परिवर्तित किया गया।

सुपरवाइज्ड फाइन-ट्यूनिंग ने सामान्य और एजेंट ट्रेजेक्टरीज़ को एकीकृत किया, जिसमें टूल उपयोग शामिल था, जिसका सत्यापन निष्पादन द्वारा किया गया था, और केवल सहायक पर केंद्रित हानि थी।

विचार मोड में, मॉडल ने MATH-500 पर लगभग 97.13%, AIME 2026 पर 75.00% और HMMT 2025 पर 70.42% परिणाम दिखाए। रिपोर्ट के अनुसार, इन प्रदर्शनों ने चौदह तर्क बेंचमार्क पर सात तुलनात्मक 7-8 बिलियन पैरामीटर मॉडलों में सर्वश्रेष्ठ औसत रैंक सुनिश्चित किया।

एजेंट खोज कार्यों में, ZGCM-1 ने वेब सर्च और पेज रीडिंग का उपयोग करते हुए WebWalkerQA पर लगभग 63.09%, BrowseComp पर 19.43%, और उपकरणों Ghidra का उपयोग करते हुए Binary Function Search पर 62.00% हासिल किया।

आर्किटेक्चर प्रयोग दिखाते हैं कि 256K संदर्भ पर प्रशिक्षण थ्रूपुट पूर्ण ध्यान की तुलना में लगभग 3.94 गुना अधिक है। इसके अलावा, आर्किटेक्चर, प्रेसिजन, ऑप्टिमाइज़र और नॉर्मलाइज़ेशन चयन के संयोजन के कारण, प्री-ट्रेनिंग शुरू होने से लेकर 16K पर हानि प्राप्त करने तक का समय लगभग 4.2 गुना कम हो गया।

तेजी से शुरुआत के लिए उपयोगकर्ता मॉडलिंग फ़ाइलों के लिए trust_remote_code फ़ाइल की आवश्यकता होती है। टीम विभिन्न चरणों के लिए कॉन्फ़िगरेशन भी प्रकाशित करती है: डेटा प्रोसेसिंग, प्री-ट्रेनिंग, इंटरमीडिएट ट्रेनिंग, SFT और RL। बताया गया है कि डेटा क्यूरेशन और मूल्यांकन में शोधकर्ताओं द्वारा नियंत्रित AI एजेंटों ने भाग लिया। खुले वज़न के साथ काम करने वाली प्रयोगशालाओं के लिए, ZGCM-1 चैट की नवीनता से अधिक, ZGCM ब्रांड के तहत गणित और खोज के लिए एक कॉम्पैक्ट बेस मॉडल प्रस्तुत करता है जिसमें पारदर्शी एंड-टू-एंड पाइपलाइन है।

समान कहानियाँ

TaichuAI ने स्थानिक समझ के लिए ZDTaichu5.0-9B नामक एक ओपन मल्टीमॉडल मॉडल जारी किया

TaichuAI कंपनी ने ZDTaichu5.0-9B मॉडल को सार्वजनिक रूप से उपलब्ध कराया है। यह मल्टीमॉडल फाउंडेशन मॉडल लगभग 9 अरब मापदंडों का है और सामान्य दृश्य समझ, स्थानिक तर्क, एजेंट टूल के उपयोग और एम्बोडीड एआई में अनुसंधान के लिए डिज़ाइन किया गया है।

मॉडल की वास्तुकला Qwen3.5-9B भाषा बैकबोन को C-RADIOv4-H दृष्टि एन्कोडर के साथ जोड़ती है। मॉडल पाठ के साथ-साथ किसी भी रिज़ॉल्यूशन की एक या अधिक छवियों और वीडियो को इनपुट के रूप में स्वीकार करता है, जो 128 हजार टोकन तक के संदर्भ की लंबाई का समर्थन करता है। TMTPost द्वारा 15 सितंबर को प्रकाशित इस प्रकाशन में वास्तविक दुनिया में स्थान की धारणा, विभिन्न दृश्यों के बीच रूपांतरण और एम्बोडीड सिस्टम के लिए कार्य योजना पर ध्यान केंद्रित किया गया था।

मॉडल के सार्वजनिक कार्ड के अनुसार, TaichuAI व्यापक दृश्य कार्यों की एक विस्तृत श्रृंखला में लगभग 10-बिलियन सामान्य VLM के बीच उत्कृष्ट परिणाम प्रदर्शित करता है, साथ ही स्थानिक, एम्बोडीड और एजेंट परिदृश्यों में अपनी क्षमताओं का विस्तार करता है। स्थान और एम्बोडमेंट के क्षेत्र में उल्लेखनीय मेट्रिक्स में ViewSpatial 62.50, MMSI-Bench 47.20, MindCube-tiny 78.27, ERQA 48.00 और RoboSpatial 56.00 शामिल हैं।

एजेंट और निर्देश सेटों के संबंध में, मूल्यांकन कार्ड पर नोट्स में बताए गए TAU2-Bench 87.70 का स्कोर प्राप्त करता है, जबकि Claw-Eval का औसत स्कोर 71.40 है, और IFEval 93.70 दिखाता है। एंट्रॉपी-प्राथमिकता वाले अनुकूली पुनरावर्ती तर्क तंत्र का वर्णन एक ऐसे तंत्र के रूप में किया जाता है जो अधिक जटिल टोकन के लिए लेटेंट वेरिएबल्स के अतिरिक्त परिशोधन चरणों को उजागर करता है।

मॉडल की क्षमताएं ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) और दस्तावेज़ समझ, छवियों पर गणित, सूक्ष्म द्वि-आयामी संबंधों, कई दृश्यों के जुड़ाव, त्रि-आयामी दृश्यों और परिप्रेक्ष्य की धारणा, और लंबी संदर्भ विंडो के भीतर कई छवियों और वीडियो को ट्रैक करने, जिसमें बहु-चरणीय टूल उपयोग की योजना बनाना शामिल है, तक फैली हुई हैं। हालांकि, उपकरणों का वास्तविक निष्पादन होस्ट एप्लिकेशन की जिम्मेदारी बनी रहती है।

कार्ड पर सूचीबद्ध स्थानिक शिक्षण विषयों में सापेक्ष संबंध, सघन गणना और फ्रेम, कैमरा गति और गहराई का क्रमबद्धीकरण, ईगोसेंट्रिक बनाम एलोसेंट्रिक दृश्य, और VLA शैली में अनुकूलन के लिए उच्च-स्तरीय क्षमता निर्धारण और कार्रवाई योजना शामिल है।

मॉडल के वज़न Hugging Face पर TaichuAI/ZDTaichu5.0-9B पर NVIDIA ओपन मॉडल लाइसेंस के तहत रखे गए हैं, जबकि Qwen3.5 के Apache-2.0 नोटिस बरकरार रहते हैं। सेवा के लिए कस्टम vLLM 0.26.0 शाखा और OpenAI के साथ संगत एंडपॉइंट प्रदान करने के लिए TaichuAI का Docker इमेज उपयोग किया जाता है, जिसमें स्थानिक लगाव और सामान्य कार्यों के लिए अनुशंसित नमूनाकरण सेटिंग्स होती हैं।

अन्य विक्रेताओं द्वारा प्रस्तुत मॉडलों के समान, बाहरी प्रयोगशालाओं को बेंचमार्क मेट्रिक्स को स्वतंत्र पुनरुत्पादन के परिणामों के सामने निर्दिष्ट प्रॉम्प्ट और जजों के साथ घोषित माना जाना चाहिए। हालांकि, मध्यम आकार के ओपन मल्टीमॉडल चेकपॉइंट, स्थान और एजेंटों पर जोर, और तैयार vLLM पैकेजिंग का संयोजन शोधकर्ताओं को मूल्यांकन के लिए एक ठोस कलाकृति प्रदान करता है।

ZGCM-1-7B ने गणितीय गणनाओं और एजेंट खोज के लिए पूर्ण वज़न, डेटा और कोड जारी किया

समान कहानियाँ

TaichuAI ने स्थानिक समझ के लिए ZDTaichu5.0-9B नामक एक ओपन मल्टीमॉडल मॉडल जारी किया

लोकप्रिय