Metin içindeki bilgileri bulup çıkaran yapay zeka modelleri, kelime uzunluğu sınırlarını kaldıran yeni bir mimariyle çok daha hızlı ve esnek hale geldi.
Fastino, bilgi çıkarımı (information extraction) alanındaki maliyet ve esneklik sorunlarını çözmek amacıyla GLiNER2.5 model ailesini duyurdu. Geleneksel yaklaşımlarda kullanılan aday aralığı sıralaması (span enumeration) yerine sınır tahmini (boundary prediction) mimarisini kullanan bu yeni sistem, varlıkların başlangıç ve bitiş noktalarını doğrudan skorluyor. Bu temel değişiklik sayesinde maksimum varlık uzunluğu sınırı tamamen ortadan kalkarken, 4.096 kelimelik bağlam desteği ve sabit şemalar için dizi uzunluğuna göre doğrusal hesaplama maliyeti elde ediliyor.
Yayınlanan sürüm; ortak varlık ve ilişki kodlaması, görevler arası etiket kısıtlamaları ve span tabanlı öznitelikler gibi gelişmiş yetenekler sunuyor. 16 sıfır-shot (zero-shot) benchmark testinde çok dilli kontrol noktası 56.17 genel makro F1 skoruna ulaşırken, XNLI testinde 24.75 puanlık artış kaydetti. Apache 2.0 lisansıyla Hugging Face üzerinden paylaşılan modeller; 74M parametreli gliner2.5-small-v1, 194M parametreli gliner2.5-base-v1 ve 287M parametreli çok dilli gliner2.5-multi-v1 olmak üzere üç farklı boyutta sunuluyor. CPU, CUDA veya MPS üzerinde yerel çıkarım yapabilen bu modeller; hukuk operasyonları, klinik dokümantasyon, sigorta talepleri ve müşteri desteği gibi alanlarda GPU bütçesi gerektirmeden çalıştırılabiliyor.
İlgili yazılar: Liquid AI, Model Çıktılarını Değiştirmeden 3.18 Kat Daha Hızlı Çalışan LFM2.5-DSpark Taslak Modellerini Yayınladı · Yapay Zeka Ajanlarının Hafızası Nasıl Optimize Edilmeli? IBM Araştırmacılarından Çarpıcı Bulgular
Görsel ve haber kaynağı: MarkTechPost