ଆପଲ୍ MLX ବିତରଣ ଅନୁମାନ: ମଡେଲ୍ କ୍ଷମତା, ଗତି ଏବଂ ବିଶ୍ୱାସ ସୀମା
ଆପଲ୍ର ଅକ୍ଟୋବର 15 ଗବେଷଣା ଚାରୋଟି ମାକ୍ ଷ୍ଟୁଡିଓରେ ମ୍ୟୁଜ୍ ସ୍ପାର୍କ ଓପନ ଚାଲୁଥିବାର ଦେଖାଏ ଏବଂ ପାଇପଲାଇନ୍ ଓ ଟେନ୍ସର ସମାନ୍ତରାଳତା କାହିଁକି ଉତ୍ପାଦନ ଗତି ଉପରେ ଭିନ୍ନ ଭିନ୍ନ ପ୍ରଭାବ ପକାଏ ତାହା ବ୍ୟାଖ୍ୟା କରେ।
ଆପଲ୍ର ଅକ୍ଟୋବର 15 ଗବେଷଣା ଚାରୋଟି ମାକ୍ ଷ୍ଟୁଡିଓରେ ମ୍ୟୁଜ୍ ସ୍ପାର୍କ ଓପନ ଚାଲୁଥିବାର ଦେଖାଏ ଏବଂ ପାଇପଲାଇନ୍ ଓ ଟେନ୍ସର ସମାନ୍ତରାଳତା କାହିଁକି ଉତ୍ପାଦନ ଗତି ଉପରେ ଭିନ୍ନ ଭିନ୍ନ ପ୍ରଭାବ ପକାଏ ତାହା ବ୍ୟାଖ୍ୟା କରେ। ଅକ୍ଟୋବର 18 ରେ ପ୍ରକାଶିତ ଏହି ଅକ୍ଟୋବର 17 ସଂସ୍କରଣ ମର୍କରର ବେଞ୍ଚମାର୍କ-କଭରେଜ୍ ମ୍ୟାପ୍ ଏବଂ ଏକ ସ୍ପଷ୍ଟ ଭାବରେ ଲେବଲ୍ କରାଯାଇଥିବା ଅକ୍ଟୋବର 18 GMT+7 ଓପନକୋଡ୍ କନସୋଲ୍ ସୁରକ୍ଷା ଅପଡେଟ୍ ମଧ୍ୟ ପରୀକ୍ଷା କରେ। ଭେଣ୍ଡର ମାପ, ମନୋନୀତ-ସୂଚକାଙ୍କ କଭରେଜ୍ ଏବଂ ଅପ୍ରମାଣିତ ଉପଭୋକ୍ତା କ୍ଷତି ରିପୋର୍ଟ ସେମାନଙ୍କ ପୃଥକ ସତର୍କତା ବଜାୟ ରଖନ୍ତି।
ଲିଖିତ ସଂସ୍କରଣ ପଢ଼ନ୍ତୁ (English) ↗
ଏହି ଭିଡିଓରେ କ'ଣ ଅଛି
- ମଡେଲର ଓଜନ ଏବଂ ଅନୁମାନ କାର୍ଯ୍ୟକ୍ଷେତ୍ର ଉଭୟ ମେମୋରୀ ବ୍ୟବହାର କରନ୍ତି; କେବଳ ଏକ ମଡେଲର ଓଜନ ପଦଚିହ୍ନ ଆବଶ୍ୟକ କ୍ଷମତାକୁ କମ୍ ଆକଳନ କରିପାରେ।
- ପାଇପଲାଇନ୍ ସମାନ୍ତରାଳତା କ୍ରମାଗତ ସ୍ତରଗୁଡ଼ିକୁ ବିତରଣ କରେ, ଯେତେବେଳେ କି ଟେନ୍ସର ସମାନ୍ତରାଳତା ପ୍ରତ୍ୟେକ ସ୍ତର ଭିତରେ କାର୍ଯ୍ୟକୁ ବିଭାଜନ କରେ ଏବଂ ବାରମ୍ବାର କମ୍-ବିଳମ୍ବ ଯୋଗାଯୋଗ ଆବଶ୍ୟକ କରେ।
- ଆପଲ୍ 8,192-ଟୋକେନ୍ ପ୍ରସଙ୍ଗ ସହିତ ଚାରୋଟି M5 ଅଲ୍ଟ୍ରା ମାକ୍ ଷ୍ଟୁଡିଓରେ ପ୍ରତି ସେକେଣ୍ଡରେ 36 ରୁ ଅଧିକ ଟୋକେନ୍ ରିପୋର୍ଟ କରେ; କେବୁଲ୍ ତୁଳନା 65,536-ଟୋକେନ୍ ପ୍ରସଙ୍ଗରେ ପ୍ରଥମ ଟୋକେନ୍ ଅପେକ୍ଷା ବିଷୟରେ।
- ମର୍କରର 90% କାର୍ଯ୍ୟକାରୀ-ଘଣ୍ଟା ଖୋଜା ଏହାର ମନୋନୀତ ବେଞ୍ଚମାର୍କ ସୂଚକାଙ୍କରେ ସାମାନ୍ୟ କିମ୍ବା କୌଣସି କଭରେଜ୍ ବର୍ଣ୍ଣନା କରେ ନାହିଁ। ଏହା 90% ମଡେଲ୍ ବିଫଳତା ହାର ସ୍ଥିର କରେ ନାହିଁ।
- ଓପନକୋଡର ସମ୍ପାଦିତ ବିଜ୍ଞପ୍ତି ବାହ୍ୟ ପ୍ରଦାନକାରୀଙ୍କ ସହିତ ସଂଯୁକ୍ତ କନସୋଲ୍ ଉପଭୋକ୍ତାମାନଙ୍କର ଏକ ଉପସେଟ୍ ବର୍ଣ୍ଣନା କରେ। ସର୍ବସାଧାରଣ ବିଜ୍ଞପ୍ତି ପ୍ରତ୍ୟେକ ସ୍ଥାନୀୟ ସ୍ଥାପନର ସମାଧାନ ସ୍ଥିର କରେ ନାହିଁ।
- ସ୍ଥାନୀୟ ମଡେଲ୍ ସେଟଅପକୁ ଏକ ସମ୍ପୂର୍ଣ୍ଣ ଗୋପନୀୟତା କିମ୍ବା ମୂଲ୍ୟ ସମାଧାନ ଭାବରେ ବିଚାର କରିବା ପୂର୍ବରୁ ଆପଣଙ୍କର ପ୍ରକୃତ କାର୍ଯ୍ୟଭାର ପରୀକ୍ଷା କରନ୍ତୁ ଏବଂ କ୍ରେଡେନ୍ସିଆଲ୍-ଧାରଣକାରୀ ସେବାଗୁଡ଼ିକର ସମୀକ୍ଷା କରନ୍ତୁ।
ଅନୁବାଦିତ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ
ମୂଳ ଇଂରାଜୀ ବର୍ଣ୍ଣନାରୁ ଅନୁବାଦିତ। ଉପଲବ୍ଧ ଅଡିଓ ଏବଂ କ୍ୟାପ୍ସନ୍ଗୁଡ଼ିକ YouTube ଦ୍ୱାରା ନିୟନ୍ତ୍ରିତ।
କାହିଁକି ଦୁଇଟି ମାକ୍ ସମାନ ଗତିରେ ରହିପାରିବେ?
0:00 ଆପଣ ଆଶା କରିବେ ଯେ ଦୁଇଟି ମାକ୍ ଆପଣଙ୍କ AI କୁ ଦୁଇଗୁଣ ଦ୍ରୁତ କରିବ। ଆପଲର ନିଜସ୍ୱ ପରୀକ୍ଷା ଦର୍ଶାଏ ଯେ ଉତ୍ପାଦନ ଗତି ପ୍ରାୟ ଅପରିବର୍ତ୍ତିତ ରହିପାରେ। ଏହି ଭିଡିଓରେ, ଚାରୋଟି ମାକ୍ କ’ଣ ଦିଏ? ବେଞ୍ଚମାର୍କଗୁଡ଼ିକ କ’ଣ ହରାନ୍ତି? ଗୋଟିଏ କୋଡିଂ ଉପକରଣ ହାର୍ଡୱେରକୁ ଏକ ରାତାରାତି ଉଲ୍ଲଂଘନ ସହିତ ସଂଯୋଗ କରେ। ଆମେ ଏହାକୁ ପୁନର୍ବାର ଦେଖିବା। ଶନିବାର, ଅକ୍ଟୋବର ସତର ପାଇଁ, ଏହା ହେଉଛି ଦି ଡେଲି ଡିଫ୍। MLX ହେଉଛି ଆପଲର ଓପନ୍ ସୋର୍ସ ଆରେ ଫ୍ରେମୱାର୍କ ଯାହା ଆପଲ୍ ସିଲିକନ୍ ଉପରେ ମେସିନ୍ ଲର୍ନିଂ ପାଇଁ ଉଦ୍ଦିଷ୍ଟ।
0:22 ଏହାର ନୂଆ ପରୀକ୍ଷା ଚାରୋଟି ମାକ୍ ଷ୍ଟୁଡିଓରେ ମେଟାର ମ୍ୟୁଜ୍ ସ୍ପାର୍କ ଓପନ ଚଳାଏ। ଏହା ୟୁନିଫାଇଡ୍ ମେମୋରୀ ବ୍ୟବହାର କରେ, ଯାହା CPU ଏବଂ GPU ସହଭାଗୀ କରନ୍ତି। ଆପଲ୍ ଏହାକୁ ଅକ୍ଟୋବର ପନ୍ଦରରେ ପ୍ରକାଶ କରିଥିଲା। ମର୍କର AI ବେଞ୍ଚମାର୍କଗୁଡ଼ିକ କ୍ୱଚିତ୍ ମାପୁଥିବା କାର୍ଯ୍ୟକୁ ମ୍ୟାପ୍ କରିଥିଲା। ଆମେ ଅକ୍ଟୋବର ସତର ସଂସ୍କରଣକୁ ଆବୃତ କରୁଛୁ, ଏକ ରାତାରାତି ଅକ୍ଟୋବର ଅଠର ଅପଡେଟ୍ ସହିତ ଓପନକୋଡ୍ କନସୋଲ୍ ବିଷୟରେ।
ମଡେଲକୁ କାହିଁକି ଏକରୁ ଅଧିକ ମାକ୍ ଆବଶ୍ୟକ?
0:41 ଅସୁବିଧାଜନକ ଅଂଶରୁ ଆରମ୍ଭ କରନ୍ତୁ। ଆପଲର ମ୍ୟୁଜ୍ ସ୍ପାର୍କ ଓପନ୍ ପରୀକ୍ଷା କେବଳ ଚାରି-ବିଟ୍ ମଡେଲ୍ ପାଇଁ ପ୍ରାୟ ପାଞ୍ଚ ଶହ ଗିଗାବାଇଟ୍ ବ୍ୟବହାର କରେ। ଗୋଟିଏ ମାକ୍ ଷ୍ଟୁଡିଓ ପାଞ୍ଚ ଶହ ବାର ଗିଗାବାଇଟ୍ ପର୍ଯ୍ୟନ୍ତ ବଢ଼େ, ଏବଂ ଅନୁମାନ ପାଇଁ ମଧ୍ୟ କାର୍ଯ୍ୟକାରୀ ମେମୋରୀ ଆବଶ୍ୟକ। ଓଜନଗୁଡ଼ିକ ପ୍ରାୟ ସୁଟକେସକୁ ଭରି ଦିଏ ଆପଣ ଗୋଟିଏ ମୋଜା ପ୍ୟାକ୍ କରିବା ପୂର୍ବରୁ। ଅଧିକ ମେସିନ୍ ମଡେଲକୁ ଫିଟ୍ କରନ୍ତି। ପାଇପଲାଇନ୍ ସମାନ୍ତରାଳତା ଏହାର ସ୍ତରଗୁଡ଼ିକ ମାଧ୍ୟମରେ ମଡେଲକୁ କାଟେ। ମାକ୍ A ପୂର୍ବ ସ୍ତରଗୁଡ଼ିକୁ କରେ, ତାପରେ ପରବର୍ତ୍ତୀ ସ୍ତରଗୁଡ଼ିକ ପାଇଁ ମଧ୍ୟବର୍ତ୍ତୀ ଫଳାଫଳକୁ ମାକ୍ B କୁ ପଠାଏ।
1:05 ପରବର୍ତ୍ତୀ ସ୍ତରଗୁଡ଼ିକ ପାଇଁ ମାକ୍ B କୁ ପଠାଏ। ଗୋଟିଏ ଉତ୍ପାଦିତ ଟୋକେନ୍ ପାଇଁ, ସେହି ପଦକ୍ଷେପଗୁଡ଼ିକ ଏପର୍ଯ୍ୟନ୍ତ କ୍ରମରେ ଘଟେ। ଆପଲର ମାପ ଦର୍ଶାଏ ଯେ ଡିକୋଡ୍ ଗତି ଗୋଟିଏ ମେସିନ୍ ସହିତ ଅତି ସମାନ ରହେ। ଆପଣ ଏକ ଦ୍ୱିତୀୟ ରୋଷେୟାକୁ ନିଯୁକ୍ତ କରିଛନ୍ତି, ଏବଂ ସେମାନଙ୍କୁ ସମାନ ସାଣ୍ଡୱିଚ୍ ଦେଇଛନ୍ତି। ହ୍ୟାକର ନ୍ୟୁଜରେ, ଜଣେ ଡେଭଲପର ପ୍ରଶ୍ନ କରିଥିଲେ ଯେ ଆପଲର ଟେବଲ୍ କାହିଁକି ଏକ ଚାରି-ବିଟ୍ ମେଟା ମଡେଲକୁ ଏକ Qwen ମଡେଲ୍ ସହିତ ଏହାର ମୂଳ ସଠିକତାରେ ବ୍ୟବହାର କରିଛି। ମଡେଲକୁ ଏହାର ମୂଳ ସଠିକତାରେ ବ୍ୟବହାର କରିଛି। ଆପଲର ଟେବଲ୍ ଫର୍ମାଟ୍ଗୁଡ଼ିକୁ ବର୍ଣ୍ଣନା କରେ, ତେଣୁ ସପିଂ କରିବା ପୂର୍ବରୁ ଫୁଟନୋଟ୍ଗୁଡ଼ିକୁ ପଢ଼ନ୍ତୁ। ସ୍ଲାଇଡ୍ ଡେକ୍ ବେଞ୍ଚମାର୍କଗୁଡ଼ିକ ଅପରାଜିତ ରହିଛନ୍ତି।
1:29 ଟେନ୍ସର ସମାନ୍ତରାଳତା ପ୍ରତ୍ୟେକ ସ୍ତରରେ କାଟେ।
ଥଣ୍ଡରବୋଲ୍ଟ ମାକ୍ମାନଙ୍କୁ କିପରି ଏକାଠି କାମ କରିବାରେ ସାହାଯ୍ୟ କରେ?
1:32 ଏକାଧିକ ମାକ୍ ସମାନ ସ୍ତରର ଅଂଶଗୁଡ଼ିକ ଉପରେ ଏକାଠି କାମ କରନ୍ତି, ତାପରେ ସେମାନଙ୍କ ଫଳାଫଳକୁ ମିଶାନ୍ତି। ଏହା ଉତ୍ପାଦନକୁ ତ୍ୱରାନ୍ୱିତ କରିପାରେ, କିନ୍ତୁ ମେସିନ୍ଗୁଡ଼ିକ ବାରମ୍ବାର ଯୋଗାଯୋଗ କରନ୍ତି। ଆପଲ୍ ଥଣ୍ଡରବୋଲ୍ଟ ମାଧ୍ୟମରେ କମ୍ ବିଳମ୍ବ ରିମୋଟ୍ ମେମୋରୀ ଆକ୍ସେସ୍ ବ୍ୟବହାର କରେ। ଏକ କେବୁଲ୍ ପାଇଁ ଏକ ସାହସିକ କ୍ୟାରିଅର୍ ପଦକ୍ଷେପ। ହେଡଲାଇନ୍ ଫଳାଫଳ ହେଉଛି ଚାରୋଟି M5 ଅଲ୍ଟ୍ରା ମାକ୍ ଷ୍ଟୁଡିଓରୁ ପ୍ରତି ସେକେଣ୍ଡରେ ଛତିଶିରୁ ଅଧିକ ଟୋକେନ୍, ପ୍ରାୟ ଆଠ ହଜାର ଟୋକେନ୍ ପ୍ରସଙ୍ଗ ସହିତ। ଆପଲ୍ ନିଜେ ଏହାକୁ ମାପିଥିଲା।
1:55 ଲମ୍ବା ପ୍ରମୋଟଗୁଡ଼ିକ କାହାଣୀକୁ ପରିବର୍ତ୍ତନ କରନ୍ତି। ଗୋଟିଏ ବୃହତ୍ ପ୍ରସଙ୍ଗ ପରୀକ୍ଷାରେ, ପ୍ରତ୍ୟେକ ଲିଙ୍କ୍ ପାଇଁ ଦୁଇଟି କେବୁଲ୍ ପ୍ରଥମ ଟୋକେନ୍ ପାଇଁ ଅପେକ୍ଷାକୁ ପ୍ରାୟ ଦଶ ସେକେଣ୍ଡରେ କାଟି ଦେଇଥିଲା। ଦଶ ସେକେଣ୍ଡରେ କାଟି ଦେଇଥିଲା। ଏକ ସ୍ଥାନୀୟ ମଡେଲ୍ ଆପଣଙ୍କୁ ପ୍ରମୋଟଗୁଡ଼ିକର ଚାରିପାଖରେ ଏକ ଉପଯୋଗୀ ସୀମା ଦିଏ, ଯଦି ଆପଣଙ୍କର ପ୍ରକୃତ ସେଟଅପ୍ ସେମାନଙ୍କୁ ସ୍ଥାନୀୟ ରଖେ। ଆପଲ୍ ହୋଷ୍ଟେଡ୍ API ଗୁଡ଼ିକ ବିରୁଦ୍ଧରେ ଏକ ସାର୍ବଜନୀନ ବ୍ରେକ୍ ଇଭେନ୍ ମୂଲ୍ୟ ପ୍ରଦାନ କରି ନାହିଁ। ତାହା ଉପଯୋଗ ଏବଂ ଆପଣଙ୍କୁ ଆବଶ୍ୟକ ମଡେଲ୍ ଉପରେ ନିର୍ଭର କରେ। ସାମୟିକ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେଉଥିବା ଏକ ମେସିନ୍ ବହୁତ ସମୟ ଧରି ଏକ
2:17 ବହୁତ ମହଙ୍ଗା ଡେସ୍କ ଅଳଙ୍କାର ହୋଇ ରୁହେ। ସେହି ମଡେଲ୍ ଚୟନ କରିବା ଆପଣଙ୍କ କାର୍ଯ୍ୟ ପାଇଁ ଏକ ପରୀକ୍ଷା ଆବଶ୍ୟକ କରେ।
AI ବେଞ୍ଚମାର୍କଗୁଡ଼ିକ ପ୍ରକୃତରେ କେଉଁ କାମକୁ ଆବୃତ କରନ୍ତି?
2:21 ମର୍କର ଉଣତିରିଶିଟି ବେଞ୍ଚମାର୍କକୁ ଆମେରିକୀୟ ଚାକିରି ଶ୍ରେଣୀବିଭାଗ ଉପରେ ମ୍ୟାପ୍ କରିଥିଲା। ଏହାର ସୂଚକାଙ୍କ ପ୍ରାୟ ଉଣିଶି ହଜାର କାର୍ଯ୍ୟ ମଧ୍ୟରୁ ପ୍ରାୟ ନଅ ଶହ କାର୍ଯ୍ୟକୁ ଆବୃତ କରେ। ମ୍ୟାପ୍ ଆକଳନ କରେ ଯେ ନବେ ପ୍ରତିଶତ କାର୍ଯ୍ୟ ସମୟରେ ସାମାନ୍ୟ କିମ୍ବା କୌଣସି ବେଞ୍ଚମାର୍କ କଭରେଜ୍ ନାହିଁ। ତାହା ପରୀକ୍ଷା କାଗଜ ଉପରେ ଏକ ବିଶାଳ ଖାଲି ସ୍ଥାନ। ମର୍କରର ମ୍ୟାପ୍ କଭରେଜ୍କୁ ମାପେ। ଏକ ଖାଲି ବୃତ୍ତିରେ କ୍ୱଚିତ୍ ପରୀକ୍ଷିତ କାର୍ଯ୍ୟ ଅଛି; ମଡେଲ୍ କ୍ଷମତା ଏକ ଖୋଲା ପ୍ରଶ୍ନ ହୋଇ ରହିଛି। ମ୍ୟାପିଂ ଏକ AI ମଡେଲ୍ ବ୍ୟବହାର କରିଥିଲା, ମର୍କରର ନିଜସ୍ୱ ବେଞ୍ଚମାର୍କ ପ୍ରମୋଟଗୁଡ଼ିକର ଏକ ଉପସେଟ୍ ଉପରେ ମାନବ ସମୀକ୍ଷା ସହିତ। ମର୍କରର ନିଜସ୍ୱ ବେଞ୍ଚମାର୍କ ପ୍ରମୋଟଗୁଡ଼ିକର ଏକ ଉପସେଟ୍ ଉପରେ ମାନବ ସମୀକ୍ଷା ସହିତ।
2:49 ସମୀକ୍ଷକମାନେ ଏହାର ପ୍ରଥମ ପସନ୍ଦର ପ୍ରାୟ ତିନି ଚତୁର୍ଥାଂଶ ଗ୍ରହଣ କରିଥିଲେ। ଗ୍ରେଡିଂ ପ୍ରଣାଳୀକୁ ଏହାର ନିଜସ୍ୱ ଗ୍ରେଡିଂ ପ୍ରଣାଳୀ ଆବଶ୍ୟକ, ସ୍ୱାଭାବିକ ଭାବରେ। ତେଣୁ ଯଦି ଆପଣ ଆପଣଙ୍କ ଚାକିରି ବିଷୟରେ ଚିନ୍ତିତ ଅଛନ୍ତି, ଏକ ଲିଡରବୋର୍ଡ ଯୁକ୍ତିକୁ ସମାଧାନ କରିପାରିବ ନାହିଁ। ଯଦି ଆପଣ ଏକ କୋଡିଂ ସହାୟକ କିଣୁଛନ୍ତି, ଆପଣଙ୍କ ନିଜସ୍ୱ ଗ୍ରହଣ ଯାଞ୍ଚ ସହିତ ଏକ ପ୍ରକୃତ କାର୍ଯ୍ୟକୁ ପୁନରାବୃତ୍ତି କରନ୍ତୁ। ଉପଯୋଗୀ କାର୍ଯ୍ୟରେ ଡେମୋ ପରେ ଅଡୁଆ ଅଂଶଗୁଡ଼ିକ ଅନ୍ତର୍ଭୁକ୍ତ। ଚାଟବୋଟ୍ ଭୁଲ୍ ସ୍ପ୍ରେଡସିଟ୍ ଆତ୍ମବିଶ୍ୱାସର ସହିତ ସମାପ୍ତ କରିଥିବାରୁ କେହି ପଦୋନ୍ନତି ପାଆନ୍ତି ନାହିଁ। ଯାହା ଆମକୁ ରାତାରାତି ଅପଡେଟ୍ ଆଡକୁ ଆଣେ।
ରାତିରେ କେଉଁମାନେ ପ୍ରଭାବିତ ହୋଇଥିଲେ ବୋଲି ଓପନକୋଡ୍ କହୁଛି?
3:13 ଓପନକୋଡ୍ କହିଛି ଯେ ଏକ ସୁରକ୍ଷା ଉଲ୍ଲଂଘନ 1.4 ପ୍ରତିଶତ କନସୋଲ୍ ଉପଭୋକ୍ତାଙ୍କୁ ପ୍ରଭାବିତ କରିଛି। ଏହାର ସମ୍ପାଦିତ ବିଜ୍ଞପ୍ତି ଏହାକୁ ବାହ୍ୟ ପ୍ରଦାନକାରୀଙ୍କ ସହିତ ସଂଯୁକ୍ତ ଏକ ଉପସେଟ୍ ପର୍ଯ୍ୟନ୍ତ ସଙ୍କୁଚିତ କରେ, ଏବଂ କହିଛି ଯେ ପ୍ରଭାବିତ ଉପଭୋକ୍ତାମାନଙ୍କୁ ଇମେଲ୍ କରାଯାଇଥିଲା। ଏହାକୁ ଏକ ବୃହତ ସ୍କେଲ୍ ବିଚ୍ଛିନ୍ନତା ଆକ୍ରମଣ ବୋଲି କହୁଛି, ଏବଂ କହୁଛି ଯେ ଘଟଣା ଜାରି ରହିଛି। ଏକ ସର୍ବସାଧାରଣ ମୂଳ କାରଣ ଏପର୍ଯ୍ୟନ୍ତ ଆସି ନାହିଁ। ପ୍ରତିକ୍ରିୟାରେ ଲୋକମାନେ ଅଦୃଶ୍ୟ ପ୍ରଦାନକାରୀ କ୍ରେଡିଟ୍ ରିପୋର୍ଟ କରିଛନ୍ତି, ଯାହା ଘଟଣାଗୁଡ଼ିକର ସେମାନଙ୍କର ଖାତା। ବିଜ୍ଞପ୍ତି ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତିଙ୍କ କ୍ଷତି କିମ୍ବା କ୍ଷତିପୂରଣ ସ୍ଥିର କରେ ନାହିଁ।
3:38 ଆପଲ୍ କେବଳ ଦର୍ଶାଇଥିଲା କିପରି ଓପନକୋଡ୍କୁ ସ୍ଥାନୀୟ ଅନୁମାନ ସହିତ ସଂଯୋଗ କରିବାକୁ, ଏବଂ ବର୍ତ୍ତମାନ ଏହାର ନାମ ଏକ ସୁରକ୍ଷା ଚେତାବନୀ ପାଖରେ ଅଛି। ଉତ୍ପାଦର ନାମ ଅନେକ ଭିନ୍ନ ବିଶ୍ୱାସ ସୀମାକୁ ଆବୃତ କରେ। କନସୋଲ୍ ଉପଭୋକ୍ତାମାନେ ଅଧିକାରିକ ବିଜ୍ଞପ୍ତି ପଢ଼ିବା ଉଚିତ ଏବଂ ପ୍ରଦାନକାରୀ ବ୍ୟବହାର ଯାଞ୍ଚ କରିବା ଉଚିତ। ଯଦି ଆପଣ ପ୍ରଭାବିତ ହୋଇଛନ୍ତି, ତେବେ ସମାଧାନ ନିର୍ଦ୍ଦେଶାବଳୀ ଅନୁସରଣ କରନ୍ତୁ ଏବଂ ସଂଯୁକ୍ତ ପ୍ରମାଣପତ୍ରଗୁଡ଼ିକର ସମୀକ୍ଷା କରନ୍ତୁ। ଏହି ବିଜ୍ଞପ୍ତି ଆମକୁ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ହୋଷ୍ଟେଡ୍ କନସୋଲ୍ ସ୍କୋପ୍ ଦିଏ। ଏହା ପ୍ରତ୍ୟେକ ସ୍ଥାନୀୟ ସ୍ଥାପନରେ ଏକ ସମାଧାନର କୌଣସି ପ୍ରମାଣ ପ୍ରଦାନ କରେ ନାହିଁ।
ସ୍ଥାନୀୟ ଅନୁମାନ ଆପଣଙ୍କ ନିୟନ୍ତ୍ରଣରେ କ’ଣ ରଖେ?
4:02 ଏଠାରେ ସଂଯୋଗ ଅଛି। ଆପଲର ପ୍ରବନ୍ଧ ଓପନକୋଡ୍କୁ ଏହାର ସ୍ଥାନୀୟ ମଡେଲ୍ ସର୍ଭର ପାଇଁ ଏକ କ୍ଲାଏଣ୍ଟ ଭାବରେ ନାମିତ କରେ। ସମାନ କୋଡିଂ ଇଣ୍ଟରଫେସ୍ ଅତି ଭିନ୍ନ ଭିତ୍ତିଭୂମି ସାମ୍ନାରେ ବସିପାରେ। ତାହା ଚାରୋଟି ମାକ୍ କ’ଣ ଦିଏ ତାହାର ଉତ୍ତର ଦିଏ। କ୍ଷମତା, ଏବଂ ଏକ ଅନୁମାନ ସୀମା ଯାହାକୁ ଆପଣ ପ୍ରଶାସନ କରିପାରିବେ। ସେହି ସୀମା ଚାରିପାଖରେ ଥିବା ସେବାଗୁଡ଼ିକ ଏପର୍ଯ୍ୟନ୍ତ ନିଜସ୍ୱ ସମୀକ୍ଷା ପାଇଁ ଯୋଗ୍ୟ। ମୋର କିଣିବା ନିୟମ ସରଳ। ମଡେଲ୍ ଫିଟ୍ ହୁଏ ବୋଲି ପ୍ରମାଣ କରନ୍ତୁ, ସମଗ୍ର କାର୍ଯ୍ୟକୁ ମାପନ୍ତୁ, ଏବଂ ଏକ ପ୍ରମାଣପତ୍ର ଧାରଣ କରିଥିବା ପ୍ରତ୍ୟେକ ସେବା ଯାଞ୍ଚ କରନ୍ତୁ।
4:23 ଆପଲର ଫଳାଫଳ ବୃହତ୍ ସ୍ଥାନୀୟ ଅନୁମାନକୁ ଅଧିକ ବ୍ୟବହାରିକ କରେ, ଯେତେବେଳେ କି ପାଇପଲାଇନ୍ ପରୀକ୍ଷା ବ୍ୟାଖ୍ୟା କରେ କାହିଁକି ହାର୍ଡୱେର ଯୋଗ କରିବା ନିରାଶ କରିପାରେ। ଆପଣଙ୍କର ଗ୍ରହଣ ପରୀକ୍ଷା କ୍ରୟ ଅର୍ଡର ପାଖରେ ରହିବା ଉଚିତ। ଯଦି ଆପଣ ମୋତେ ଏହା କହିବାର ଶୁଣିବା ଅପେକ୍ଷା ଏହାକୁ ପଢ଼ିବାକୁ ପସନ୍ଦ କରନ୍ତି, ତେବେ ଡିଫ୍ ପ୍ରତିଦିନ ସକାଳେ ଆପଣଙ୍କ ଇନବକ୍ସରେ ଆସେ, daily diff dot dev ରେ ମାଗଣା, ଲିଙ୍କ୍ ତଳେ ଅଛି।
ମୁଁ କ’ଣ ଚାରିଟି ମାକ୍ କ୍ଲଷ୍ଟର କିଣିବି?
4:40 ତେଣୁ ଆଜିର ରାୟ ହେଉଛି NEEDS REVIEW। କ୍ଲଷ୍ଟର କିଣିବା ପୂର୍ବରୁ ମୁଁ ମୋର ପ୍ରକୃତ କାର୍ଯ୍ୟଭାର ମାପିବି। ସବସ୍କ୍ରାଇବ୍ କରନ୍ତୁ, ଘଣ୍ଟି ଉପରେ କ୍ଲିକ୍ କରନ୍ତୁ, ଏବଂ କମେଣ୍ଟରେ ମୋତେ କୁହନ୍ତୁ ଯଦି ଆପଣ ଏହାକୁ ଭିନ୍ନ ଭାବରେ ଷ୍ଟାମ୍ପ୍ କରିଥାନ୍ତେ। ଭିନ୍ନ ଭାବରେ ଷ୍ଟାମ୍ପ୍ କରିଥାନ୍ତେ। ଏବଂ ଆଜି ପାଇଁ ଏହା ହେଉଛି ଡିଫ୍। ମୁଁ Axrisi ରୁ ନିକୋ। ଦାୟିତ୍ୱର ସହିତ ମର୍ଜ୍ କରନ୍ତୁ।
ଉତ୍ସଗୁଡ଼ିକ
- Local and Distributed Large LLM Inference with MLX and RDMA on Mac StudioApple Machine Learning Research
- A benchmark map of the US economyMercor
- Benchmark Map methodology and expert reviewMercor
- Edited security-breach notice with Console scopeOpenCode
- Reader questions mixed benchmark precision formatsHacker News · peri-cl (reader opinion)
- User reports vanished provider credit (unverified loss claim)Amruth Pillai on X



