قازاق ءتىلىن وقىتۋدىڭ جاڭا مودەلى

قازىرگى تاڭدا بۇل مودەل قا­زاق ءتىلىنىڭ لەكسيكا, مورفولو­گيا مەن سەمانتيكانىڭ تاعى باس­قا سالاسىندا, ونىڭ ىشىندە قازاق تىلىندە ءماتىندى گەنەراتسيا­لاۋ, پەريفراز جاساۋ, كونتەكسپەن جۇمىس ىستەۋ, ىقشامداۋ, سون­داي-اق گرامماتيكالىق جانە پۋنك­ت­ۋاتسيالىق قاتەلەردى تۇزەتۋ, فرا­­زەولوگيزمدەردىڭ ءمانىن اشۋ, تەر­ميندەردى اۋدارۋ سياقتى تاپسىرمالاردى ورىندايدى.

سالالىق «LLM» مودەلى «Hugging Face» پلاتفورماسىنا جۇكتەلدى. ياعني ول بارلىق قول­د­ا­­نۋ­شىعا قولجەتىمدى. وسى مو­دەل­دى قولدانۋ ارقىلى جاساندى ينتەل­لەكتىنىڭ كومەگىمەن كوپتەگەن قازاق­شا IT ءونىمدى دايىنداۋعا بولادى. بۇل پرەزيدەنت جولداۋىندا ايتىل­­عانىنداي «جاساندى ينتەل­لەكتىنى كەڭىنەن قولداناتىن جانە تسيفر­لىق تەحنولوگيالاردى دامىتىپ جاتقان ەلگە اينالۋعا» زور مۇمكىندىك بەرەدى.

ء«تىل-قازىنا» ورتالىعىنىڭ ساراپشىلارى مودەلدى جاساۋ بارىسىندا تابيعي ءتىلدى وڭدەۋ الگوريتمىن قولدانىپ, ۇلكەن كولەمدەگى دەرەكتەردى وڭدەگەن. اتاپ ايتساق: ءبىرىنشى – سوزدەردى تەكسەرۋ ماقساتىنا 684 876 سوز­قولدانىس (لەكسيكالىق بىرلىك) قول­دانىلدى; ەكىنشى – ءسوز تىر­كەس­تەرىن تەكسەرۋ جۇيەسىن جە­تىل­دىرۋ ءۇشىن 20 212 قاتار ءسوز تىركەسىنىڭ دۇرىس جانە قاتە نۇسقالارى قولدانىلدى; ءۇشىنشى – پۋنكتۋاتسيالىق قاتەلەردى تۇزەتۋ ماقساتىندا 5558 ءماتىن تالداندى; ءتورتىنشى – ءماتىن قۇرىلىمىن تۇزەتۋ ءۇشىن 3000 ءماتىننىڭ دۇرىس-بۇرىس نۇسقاسى ازىرلەندى; بەسىنشى – سويلەمدى ىقشامداۋ فۋنكتسياسى ءۇشىن 6000 سويلەمنىڭ تولىق جانە ىقشامدالعان كونتەنت بازاسى جاسالدى; التىنشى – پەريفراز فۋنكتسياسى ءۇشىن 14 790 سينونيمدىك قاتار جيناقتالدى; جەتىنشى – جالپى قازاق ءتىلىنىڭ 35 گب وڭدەلگەن كورپۋسى قولدانىلدى.

بيىل مودەلگە سويلەسۋ (داۋىس­تىق) فۋنك­تسياسى قوسىلىپ, قولدا­نۋ­شىلارعا ىڭعايلى ينتەرفەيس ازىر­لەنەدى. سونىمەن قاتار جوبا A1, A2 جانە B1 دەڭگەيلەرى بو­يىنشا ءتىل ۇيرەتۋگە قابىلەتتى بولسا, كەلەسى جىلى B2, C1 دەڭگەيىندە وقىتادى.

جوبانىڭ سوڭعى ناتيجەسى رە­تىندە كەز كەلگەن ءتىل ۇيرەنۋ­شى­نىڭ دەڭگەيىنە ساي جەكە وقىتۋ باعدار­لا­ما­سىن دايىنداپ, ۇيرەتۋگە قابى­لەتتى داۋىستىق كومەكشى جاسالادى. ول «IOS» جانە Android جۇيە­لە­رىن­دە جۇمىس ىستەيتىن ءموبيلدى قو­سىم­شا تۇرىندە ۇسىنىلماق.