گروه NTT ژاپن مدل زبان بزرگ تسوزومی ۲ را بهروزرسانی کرد تا توانایی پردازش اسناد تجاری ژاپنی حاوی نمودار و جدول را در محیطهای تکجیپییو بهبود بخشد.
این مدل سبک، با تمرکز بر درک بصری و استدلال منطقی، قادر است اطلاعات حساس را از تصاویر استخراج کند.
تسوزومی ۲ در مقایسه با مدلهای هماندازه خود، عملکردی در سطح جهانی ارائه میدهد و برای استفاده در محیطهای آنپرمایس و ابر خصوصی مناسب است.
توانایی پردازش اعداد و تفسیر توابع فنی نیز در این نسخه تقویت شده است.
NTT قصد دارد این مدل بهروزرسانیشده را از طریق شرکتهای زیرمجموعه خود عرضه کند.
متن خبر
شرح خبر
گروه انتیتی ژاپن (NTT) مدل زبان بزرگ (LLM) خود به نام «تسوزومی ۲» را بهروزرسانی کرد.
این مدل که پیشتر به دلیل سبک بودن و توانایی پردازش زبان ژاپنی در سطح جهانی شناخته میشد، اکنون قادر است اسناد تجاری ژاپنی حاوی نمودار و جدول را در محیطهای تکجیپییو پردازش کند.
تسوزومی ۲ با تمرکز بر درک بصری اسناد، میتواند اطلاعات حساس را از تصاویر استخراج و پایگاهدادهسازی کند.
علاوه بر این، توانایی استدلال منطقی و پردازش اعداد نیز تقویت شده است، بهطوریکه میتواند ارقام فروش را تحلیل یا توابع فنی در مستندات API را تفسیر کند.
این بهروزرسانی برای استفاده در محیطهای آنپرمایس و ابر خصوصی طراحی شده و به سازمانها کمک میکند تا پردازش اطلاعات حساس را کارآمدتر انجام دهند.
گروه NTT ژاپن مدل زبان بزرگ تسوزومی ۲ را بهروزرسانی کرد تا توانایی پردازش اسناد تجاری ژاپنی حاوی نمودار و جدول را در محیطهای تکجیپییو بهبود بخشد.
این مدل سبک، با تمرکز بر درک بصری و استدلال منطقی، قادر است اطلاعات حساس را از تصاویر استخراج کند.
تسوزومی ۲ در مقایسه با مدلهای هماندازه خود، عملکردی در سطح جهانی ارائه میدهد و برای استفاده در محیطهای آنپرمایس و ابر خصوصی مناسب است.
توانایی پردازش اعداد و تفسیر توابع فنی نیز در این نسخه تقویت شده است.
NTT قصد دارد این مدل بهروزرسانیشده را از طریق شرکتهای زیرمجموعه خود عرضه کند.
این بهروزرسانی نشاندهنده گامی مهم در توسعه مدلهای زبانی سبک و کارآمد است که میتوانند نیازهای خاص کسبوکارها را برآورده کنند.
تسوزومی ۲ با توانایی پردازش اسناد تجاری پیچیده، میتواند کارایی سازمانها را در پردازش اطلاعات حساس افزایش دهد.
علاوه بر این، این مدل با کاهش نیاز به منابع محاسباتی سنگین، هزینهها و ریسکهای امنیتی را نیز کاهش میدهد.
این مدل میتواند به شرکتها و سازمانهای اداری ژاپن کمک کند تا پردازش اسناد تجاری حاوی اطلاعات حساس را با کارایی بالاتر انجام دهند.
استفاده از تسوزومی ۲ در محیطهای آنپرمایس و ابر خصوصی، امنیت و حریم خصوصی دادهها را تضمین میکند و هزینههای عملیاتی را کاهش میدهد.
تأثیر مستقیم بر ایران ندارد، اما میتواند الگویی برای توسعه مدلهای زبانی سبک و کارآمد در کشور باشد که قادر به پردازش اسناد تجاری فارسی با نمودار و جدول باشند.
تسوزومی ۲ میتواند در پردازش اسناد حقوقی و تجاری حاوی اطلاعات حساس مورد استفاده قرار گیرد و دقت و کارایی را در این حوزهها افزایش دهد.
این امر میتواند به کاهش خطاهای انسانی و بهبود فرآیندهای تصمیمگیری کمک کند.
ژاپن با توسعه مدلهای زبانی سبک و کارآمد، در تلاش است تا استقلال خود در حوزه هوش مصنوعی را افزایش دهد و وابستگی به مدلهای خارجی را کاهش دهد.
رسمی - بیانیه مطبوعاتی گروه NTT گروه NTT مدل زبان بزرگ تسوزومی ۲ را بهروزرسانی کرد تا اسناد تجاری ژاپنی حاوی نمودار و جدول را در محیط تکجیپییو پردازش کند.
این صفحه خلاصه و تحلیل فارسی خبر را نمایش میدهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.
تحلیل تحریریه
ابعاد مهم خبر
چرا مهم است؟
این بهروزرسانی نشاندهنده گامی مهم در توسعه مدلهای زبانی سبک و کارآمد است که میتوانند نیازهای خاص کسبوکارها را برآورده کنند.
تسوزومی ۲ با توانایی پردازش اسناد تجاری پیچیده، میتواند کارایی سازمانها را در پردازش اطلاعات حساس افزایش دهد.
علاوه بر این، این مدل با کاهش نیاز به منابع محاسباتی سنگین، هزینهها و ریسکهای امنیتی را نیز کاهش میدهد.
اثر کسبوکاری
این مدل میتواند به شرکتها و سازمانهای اداری ژاپن کمک کند تا پردازش اسناد تجاری حاوی اطلاعات حساس را با کارایی بالاتر انجام دهند.
استفاده از تسوزومی ۲ در محیطهای آنپرمایس و ابر خصوصی، امنیت و حریم خصوصی دادهها را تضمین میکند و هزینههای عملیاتی را کاهش میدهد.
اثر احتمالی برای ایران
تأثیر مستقیم بر ایران ندارد، اما میتواند الگویی برای توسعه مدلهای زبانی سبک و کارآمد در کشور باشد که قادر به پردازش اسناد تجاری فارسی با نمودار و جدول باشند.
ارتباط با LegalTech
تسوزومی ۲ میتواند در پردازش اسناد حقوقی و تجاری حاوی اطلاعات حساس مورد استفاده قرار گیرد و دقت و کارایی را در این حوزهها افزایش دهد.
این امر میتواند به کاهش خطاهای انسانی و بهبود فرآیندهای تصمیمگیری کمک کند.