Mistral Leanstral 1.5 ని విడుదల చేసింది: ఫార్మల్ మ్యాథ్ మరియు కోడ్ వెరిఫికేషన్‌లో ఒక విప్లవాత్మక మార్పు

Mistral AI అధికారికంగా Leanstral 1.5 ని లాంచ్ చేసింది. ఇది Lean 4 ప్రోగ్రామింగ్ లాంగ్వేజీని ఉపయోగించి ఫార్మల్ వెరిఫికేషన్ (formal verification) కోసం ప్రత్యేకంగా రూపొందించబడిన శక్తివంతమైన ఓపెన్-సోర్స్ మోడల్. గణిత నిరూపణలు (mathematical proofs) మరియు సాఫ్ట్‌వేర్ ఖచ్చితత్వంలోని క్లిష్టతలను అధిగమించడం ద్వారా, ఈ మోడల్ అత్యంత కీలకమైన సాంకేతిక వాతావరణాలలో ఓపెన్-సోర్స్ AI యొక్క ఉపయోగకతలో ఒక గణనీయమైన ముందడుగును సూచిస్తుంది.

ఫార్మల్ మ్యాథమెటిక్స్ బెంచ్‌మార్క్‌లలో ఆధిపత్యం

గణిత నిరూపణలు మరియు సాఫ్ట్‌వేర్ విశ్వసనీయతను ధృవీకరించడానికి రూపొందించబడిన Lean 4 భాషకు అవసరమైన సంక్లిష్టమైన లాజిక్‌ను అర్థం చేసుకునేలా Leanstral 1.5 ని రూపొందించారు. ప్రత్యేక బెంచ్‌మార్క్‌లపై ఈ మోడల్ పనితీరు అద్భుతంగా ఉంది. హైస్కూల్ స్థాయి గణితం నుండి మ్యాథ్ ఒలింపియాడ్ల వంటి అత్యంత కష్టతరమైన స్థాయి వరకు ఉండే miniF2F బెంచ్‌మార్క్‌లో ఇది 100 శాతం స్కోరు సాధించింది.

ప్రతిష్టాత్మకమైన Putnam మ్యాథ్ కాంపిటీషన్ నుండి సేకరించిన 672 సమస్యల సమితి అయిన PutnamBench లో పరీక్షించినప్పుడు, Leanstral 1.5 విజయవంతంగా 587 సమస్యలను పరిష్కరించింది. ఈ పనితీరు దీనిని ఓపెన్-సోర్స్ రంగంలో అగ్రస్థానంలో నిలబెట్టింది, క్లోజ్డ్-సోర్స్ అయిన Aleph Prover మాత్రమే దీనికంటే ముందుంది. అంతేకాకుండా, ఈ మోడల్ ఆల్జీబ్రాలో గ్రాడ్యుయేట్ స్థాయి గణితంలో నైపుణ్యాన్ని ప్రదర్శించింది; గ్రూప్ మరియు రింగ్ థియరీ వంటి అధునాతన అంశాలను కవర్ చేసే FATE-H బెంచ్‌మార్క్‌లో 87 శాతం మరియు FATE-X లో 34 శాతం స్కోరు సాధించింది.

గణితం మాత్రమే కాదు: రియల్-వరల్డ్ కోడ్ బగ్ డిటెక్షన్

దీని గణిత నైపుణ్యం ప్రధాన వార్త అయినప్పటికీ, Leanstral 1.5 తన కోడ్ వెరిఫికేషన్ సామర్థ్యాల ద్వారా సాఫ్ట్‌వేర్ ఇంజనీర్లకు ఒక శక్తివంతమైన సాధనంగా నిరూపితమైంది. 57 వేర్వేరు ఓపెన్-సోర్స్ రిపోజిటరీలను స్కాన్ చేయడానికి దీనిని ఉపయోగించడం ద్వారా Mistral ఈ మోడల్ యొక్క ఆచరణాత్మక ఉపయోగకతను నిరూపించింది.

ఈ రియల్-వరల్డ్ అప్లికేషన్‌లో, మోడల్ గతంలో తెలియని ఐదు బగ్‌లను విజయవంతంగా గుర్తించింది. varinteger Rust లైబ్రరీలో ఉన్న ఒక ఓవర్‌ఫ్లో బగ్ (overflow bug) ఇందులో ఒక ముఖ్యమైన ఆవిష్కరణ. ప్రొడక్షన్-లెవల్ కోడ్‌లో సూక్ష్మమైన మరియు తీవ్రమైన ప్రభావం చూపే లోపాలను పట్టుకోగల ఈ సామర్థ్యం, మెమరీ-సేఫ్ లేదా మిషన్-క్రిటికల్ లాంగ్వేజెస్‌లో పనిచేసే డెవలపర్‌లకు Leanstral 1.5 ఒక ఆటోమేటెడ్ "sanity check" గా ఉపయోగపడుతుందని సూచిస్తుంది.

సాంకేతిక ఖచ్చితత్వం మరియు అందుబాటు

Leanstral 1.5 అభివృద్ధిలో mid-training, supervised fine-tuning (SFT), మరియు reinforcement learning (RL) లతో కూడిన ఒక అధునాతన ట్రైనింగ్ పైప్‌లైన్ భాగస్వామ్యం వహించింది. ఈ బహుళ దశల విధానం వల్ల మోడల్ కేవలం తదుపరి టోకెన్‌ను మాత్రమే అంచనా వేయకుండా, ఫార్మల్ రీజనింగ్ కోసం అవసరమైన అంతర్లీన లాజికల్ స్ట్రక్చర్‌లను అర్థం చేసుకుంటుంది.

ఓపెన్-సోర్స్ ఎకోసిస్టమ్‌ను బలోపేతం చేసే చర్యగా, Mistral ఈ మోడల్‌ను Apache 2.0 లైసెన్స్ కింద విడుదల చేసింది. ఇది డెవలపర్లు మరియు పరిశోధకులు కనిష్ట పరిమితులతో మోడల్‌ను ఇంటిగ్రేట్ చేయడానికి, మార్పులు చేయడానికి మరియు ఉపయోగించడానికి అనుమతిస్తుంది. Leanstral 1.5 ప్రస్తుతం Hugging Face ద్వారా మరియు ఉచిత API ద్వారా అందుబాటులో ఉంది, ఇది తమ వర్క్‌ఫ్లోలలో ఫార్మల్ వెరిఫికేషన్‌ను అమలు చేయాలనుకునే బృందాలకు సులభతరంగా మారుస్తుంది.

ముఖ్య అంశాలు

  • బెంచ్‌మార్క్ శ్రేష్ఠత: Leanstral 1.5 miniF2Fలో 100% స్కోరు సాధించింది మరియు PutnamBench మరియు గ్రాడ్యుయేట్ స్థాయి ఆల్జీబ్రా పరీక్షలలో దాదాపు అన్ని ఓపెన్-సోర్స్ పోటీదారుల కంటే మెరుగైన పనితీరును కనబరిచింది.
  • ఆచరణాత్మక డీబగ్గింగ్: రిపోజిటరీ స్కాన్‌ల సమయంలో Rust లైబ్రరీలో ఓవర్‌ఫ్లో బగ్ వంటి రియల్-వరల్డ్ లోపాలను కనుగొనే సామర్థ్యాన్ని ఈ మోడల్ నిరూపించుకుంది.
  • ఓపెన్-సోర్స్ సాధికారత: Apache 2.0 లైసెన్స్ కింద విడుదల చేయబడిన ఈ మోడల్, ప్రపంచవ్యాప్త డెవలపర్ కమ్యూనిటీ కోసం Hugging Face మరియు ఉచిత API ద్వారా సులభంగా అందుబాటులో ఉంది.