كيف يتعامل DeepSeek مع النصوص: نتائج اختبار عملي
اختبر باحثون نماذج LLM محلية في لعبة «الصيف اللانهائي»: ربطوا اللعبة المبنية على Ren’Py بـ Ollama عبر جسر TCP، وأجبروا النماذج على اختيار الردود والمسارات. وعمل هذا الحل من الناحية التقنية، لكن النتائج جاءت ضعيفة في النهاية: علق DeepSeek وGemma في المتاهة، وأطالت Qwen التفكير في مشاهد بعينها، وانتهت أفضل المحاولات أيضًا بنهايات سيئة.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
وصفت مدونة Selectel على موقع «هابر» تجربة ربطت فيها نماذج لغوية كبيرة محلية، هي DeepSeek وQwen، بالرواية المرئية «الصيف اللانهائي»، وأجبرتها على اتخاذ قرارات الحبكة بدلًا من اللاعب.
هل يستطيع DeepSeek اجتياز رواية نصية بمفرده؟
وفق اختبار Selectel، كثيرًا ما تخطئ حتى النماذج المحلية القوية مثل DeepSeek وQwen في إجاباتها، وتتباطأ مع السياق الطويل، وتقود القصة إلى نهايات فاشلة. وفي «الصيف اللانهائي» التي تضم 13 نهاية، لم تتمكن النماذج من اختيار المسار الأمثل للحبكة.
كيف يتعامل DeepSeek مع السياق الطويل؟
أظهر الاختبار أن حتى النماذج القوية مثل DeepSeek كثيرًا ما ترتبك في إجاباتها عندما يتعين عليها معالجة سياق طويل، وهو ما يؤدي إلى نهايات فاشلة في المهام التي تتطلب اتخاذ قرارات متسلسلة.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.