Mistral એ Leanstral 1.5 લોન્ચ કર્યું: ફોર્મલ મેથ્સ અને કોડ વેરિફિકેશનમાં એક મોટી સફળતા

Mistral AI એ સત્તાવાર રીતે Leanstral 1.5 લોન્ચ કર્યું છે, જે Lean 4 પ્રોગ્રામિંગ લેંગ્વેજનો ઉપયોગ કરીને ફોર્મલ વેરિફિકેશન માટે ખાસ તૈયાર કરવામાં આવેલ એક શક્તિશાળી ઓપન-સોર્સ મોડેલ છે. ગાણિતિક પુરાવાઓ અને સોફ્ટવેરની સચોટતાની જટિલતાઓમાં નિપુણતા મેળવીને, આ મોડેલ ઉચ્ચ-જોખમ ધરાવતા ટેકનિકલ વાતાવરણ માટે ઓપન-સોર્સ AI ની ઉપયોગિતામાં એક મહત્વપૂર્ણ પ્રગતિ દર્શાવે છે.

ફોર્મલ મેથેમેટિક્સ બેન્ચમાર્ક્સમાં પ્રભુત્વ

Leanstral 1.5 ને Lean 4 દ્વારા જરૂરી જટિલ લોજિકને સમજવા માટે ડિઝાઇન કરવામાં આવ્યું છે, જે ગાણિતિક પુરાવાઓ અને સોફ્ટવેરની વિશ્વસનીયતા ચકાસવા માટે બનાવવામાં આવેલી ભાષા છે. વિશિષ્ટ બેન્ચમાર્ક્સ પર મોડેલનું પ્રદર્શન અસાધારણ રહ્યું છે. તેણે miniF2F પર 100 ટકા સ્કોર મેળવ્યો છે, જે હાઈસ્કૂલ સ્તરના ગણિતથી લઈને મેથ ઓલિમ્પિયાડની અત્યંત મુશ્કેલ સમસ્યાઓ સુધીનો બેન્ચમાર્ક છે.

જ્યારે પ્રતિષ્ઠિત Putnam મેથ કોમ્પિટિશનના 672 પ્રશ્નોના સંગ્રહ, PutnamBench સામે પરીક્ષણ કરવામાં આવ્યું, ત્યારે Leanstral 1.5 એ સફળતાપૂર્વક 587 પ્રશ્નો ઉકેલ્યા. આ પ્રદર્શન તેને ઓપન-સોર્સ ક્ષેત્રમાં ટોચ પર લાવે છે, જે માત્ર ક્લોઝ્ડ-સોર્સ Aleph Prover થી જ પાછળ છે. વધુમાં, મોડેલે આલ્જેબ્રામાં ગ્રેજ્યુએટ-લેવલના ગણિતમાં નિપુણતા દર્શાવી છે, જેમાં FATE-H બેન્ચમાર્ક પર 87 ટકા અને FATE-X પર 34 ટકા સ્કોર મેળવ્યો છે, જે ગ્રુપ અને રિંગ થિયરી જેવા અદ્યતન વિષયોને આવરી લે છે.

ગણિતથી આગળ: વાસ્તવિક દુનિયામાં કોડ બગ ડિટેક્શન

જોકે તેની ગાણિતિક ક્ષમતા મુખ્ય સમાચાર છે, પરંતુ Leanstral 1.5 તેની કોડ વેરિફિકેશન ક્ષમતા દ્વારા સોફ્ટવેર એન્જિનિયરો માટે એક શક્તિશાળી સાધન સાબિત થયું છે. Mistral એ 57 અલગ-અલગ ઓપન-સોર્સ રિપોઝિટરીઝ સ્કેન કરવા માટે તેને તૈનાત કરીને મોડેલની વ્યવહારિક ઉપયોગિતા દર્શાવી છે.

આ વાસ્તવિક ઉપયોગમાં, મોડેલે અગાઉ અજાણ્યા પાંચ બગ્સ (bugs) સફળતાપૂર્વક ઓળખી કાઢ્યા હતા. એક નોંધપાત્ર શોધ varinteger Rust લાઈબ્રેરીમાં આવેલો ઓવરફ્લો બગ હતો. પ્રોડક્શન-લેવલના કોડમાં સૂક્ષ્મ અને ગંભીર ભૂલો પકડવાની આ ક્ષમતા સૂચવે છે કે Leanstral 1.5 મેમરી-સેફ અથવા મિશન-ક્રિટિકલ લેંગ્વેજમાં કામ કરતા ડેવલપર્સ માટે એક ઓટોમેટેડ "sanity check" તરીકે કામ કરી શકે છે.

ટેકનિકલ સચોટતા અને સુલભતા

Leanstral 1.5 ના વિકાસમાં મિડ-ટ્રેનિંગ, સુપરવાઈઝ્ડ ફાઇન-ટ્યુનિંગ (SFT) અને રિઇન્ફોર્સમેન્ટ લર્નિંગ (RL) ધરાવતી એક અત્યાધુનિક ટ્રેનિંગ પાઇપલાઇનનો સમાવેશ થાય છે. આ બહુ-સ્તરીય અભિગમ સુનિશ્ચિત કરે છે કે મોડેલ માત્ર આગામી ટોકનનું અનુમાન જ નથી લગાવતું પરંતુ ફોર્મલ રીઝનિંગ માટે જરૂરી મૂળભૂત તાર્કિક માળખાને સમજે છે.

ઓપન-સોર્સ ઇકોસિસ્ટમને મજબૂત બનાવતા એક પગલામાં, Mistral એ Apache 2.0 લાયસન્સ હેઠળ મોડેલ રિલીઝ કર્યું છે. આ ડેવલપર્સ અને સંશોધકોને ન્યૂનતમ પ્રતિબંધો સાથે મોડેલને ઇન્ટિગ્રેટ, મોડિફાય અને ડિપ્લોય કરવાની મંજૂરી આપે છે. Leanstral 1.5 હાલમાં Hugging Face અને મફત API દ્વારા ઉપલબ્ધ છે, જે તેમના વર્કફ્લોમાં ફોર્મલ વેરિફિકેશન લાગુ કરવા માંગતી ટીમો માટે પ્રવેશ સરળ બનાવે છે.

મુખ્ય મુદ્દાઓ

• બેન્ચમાર્ક શ્રેષ્ઠતા: Leanstral 1.5 એ miniF2F પર 100% સ્કોર મેળવ્યો છે અને PutnamBench તથા ગ્રેજ્યુએટ-લેવલના આલ્જેબ્રા ટેસ્ટમાં લગભગ તમામ ઓપન-સોર્સ સ્પર્ધકો કરતા વધુ સારું પ્રદર્શન કરે છે.
• વ્યવહારિક ડિબગિંગ: મોડેલે રિપોઝિટરી સ્કેન દરમિયાન Rust લાઈબ્રેરીમાં ઓવરફ્લો બગ જેવી વાસ્તવિક દુનિયાની નબળાઈઓ શોધવાની તેની ક્ષમતા સાબિત કરી છે.
• ઓપન-સોર્સ સશક્તિકરણ: Apache 2.0 લાયસન્સ હેઠળ રિલીઝ કરાયેલ આ મોડેલ વૈશ્વિક ડેવલપર સમુદાય માટે Hugging Face અને મફત API દ્વારા અત્યંત સુલભ છે.