AnswersPublished17 sources
Tongyan Lingzhi רוצה להפוך ניסיון מקצועי ליכולת קבועה של מודל AI
Tongyan Lingzhi מציעה להוסיף למודל בסיס משותף פרמטרים קלים המותאמים לאדם, לפרויקט או לארגון, כדי לקבע ידע וניסיון במודל ולא להסתמך רק על מידע שמוזן בזמן השימוש.[5][6] החברה מתארת למידה מתמשכת כחלק מהחזון שלה, אך המידע הזמין אינו מאמת תהליך אוטומטי מלא שאוסף משוב, בודק שיפורים ומונע נסיגה.[5][7] לצד התאמה אישית, החבר...
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- Tongyan Lingzhi מציעה להוסיף למודל בסיס משותף פרמטרים קלים המותאמים לאדם, לפרויקט או לארגון, כדי לקבע ידע וניסיון במודל ולא להסתמך רק על מידע שמוזן בזמן השימוש.[5][6]
- החברה מתארת למידה מתמשכת כחלק מהחזון שלה, אך המידע הזמין אינו מאמת תהליך אוטומטי מלא שאוסף משוב, בודק שיפורים ומונע נסיגה.[5][7]
- לצד התאמה אישית, החברה מציגה שיטות שנועדו לאפשר אימון ושירות במקביל ולנהל בזיכרון GPU מתאמים רבים של LoRA.[4][11]
- הפרטים הזמינים אינם מבססים את תוצאות הביצועים המספריות של ניסוי השירות שהוזכר בשאלה, או מוכיחים שהמערכת כבר פועלת בקנה מידה גדול ובייצור.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Tongyan Lingzhi, incubated by the Beijing Institute for General Artificial Intelligence’s industry platform, developing personal AI t. Article summary: Tongyan Lingzhi’s stated approach is to turn accumulated professional knowledge and experience into lightweight, personalized model parameters on top of a shared foundation model, rather than relying exclusively on infor. Topic tags: general, documentation, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, w
Tongyan Lingzhi, חברה שנשענת על התשתית המחקרית והמסחרית של מכון בייג'ינג לבינה מלאכותית כללית (BIGAI), מציגה חזון ל־Personal AI: במקום לאתחל מחדש את כל המידע בכל שיחה, ללמד את המודל יכולות שמצטברות לאורך זמן בתוך פרמטרים מותאמים אישית.5
7
ההבחנה חשובה: פרומפט מספק הקשר לשיחה הנוכחית, זיכרון שומר פרטים על העבר, ו־RAG (שליפה של מידע ממקורות חיצוניים) מביא מסמכים רלוונטיים. הגישה של החברה מבקשת להוסיף לכך שכבה אחרת — התאמה של המודל עצמו לניסיון, להעדפות ולדרך העבודה של אדם או ארגון.5
6
מודל בסיס משותף, התאמה אישית מעליו
לפי הגישה שתוארה, אין צורך לאמן מודל בסיס נפרד לכל אדם, פרויקט או חברה. מודל בסיס משותף (Base Model) מספק את היכולות הכלליות, ומעליו מתווספים פרמטרים אישיים קלים. הדיווחים מתייחסים ל־Personal LoRA — מתאמים קטנים שאפשר להתאים למשתמשים, לפרויקטים ולארגונים.5
6
ההיגיון הוא שידע שמופיע רק בהקשר של שיחה נשאר זמני, ואילו אימון יכול לדחוס ניסיון לפרמטרים ולעזור למודל להכליל ממנו.6 החברה מציבה זאת כהשלמה לזיכרון, לשליפת מידע ולסוכני AI: אלה יכולים לשמור היסטוריה, לספק ידע או לארגן ביצוע; פרמטרים מותאמים אמורים להשפיע גם על האופן שבו המודל ניגש למשימה ושופט אותה.
5
הפרדה בין מודל בסיס לפרמטרים אישיים נועדה גם לאפשר לצבור התאמות מעל מודלי בסיס שמשתפרים עם הזמן.5 עם זאת, המידע הזמין אינו מסביר כיצד מעבירים או מאמנים מחדש את המתאמים כשהמודל הבסיסי משתנה, או אם אותם משקלי LoRA נשארים תואמים ללא שינוי.
מה ידוע על למידה מתמשכת — ומה עדיין לא
בדיווח מ־22 באוקטובר תוארה כוונת החברה להפוך ידע מקצועי, תהליכי עבודה ושיקול דעת שנבנה לאורך זמן ליכולות ייחודיות שמתעדכנות בהתמדה.7 הרעיון מכונה Recursive Self-Improving Personal AI — מערכת שאמורה להשתפר מתוך השימוש בה, ולא להישאר בשלב של אימון חד־פעמי ולאחריו הפעלה בלבד.
7
אבל חזון אינו הוכחה ללולאת למידה אוטומטית. המידע הזמין אינו מאמת מערכת שלמה שאוספת עקבות שימוש, תיקונים ותוצאות; מזהה דפוסים במשוב; מאמנת עדכון קטן; בודקת אותו מול הגרסה הקודמת ומחזירה לאחור שינוי שגרם לנסיגה. לכן נכון לתאר את התהליך הזה כיעד או ככיוון, ולא כמנגנון מוכח שכבר פועל במלואו.
ב־23 באוקטובר הופיע גם תיאור שלפיו עדכוני Personal LoRA למשתמש מתקבלים רק אם הם משיגים תוצאה טובה יותר מהגרסה הקודמת באותן משימות.47 זהו תיאור של שער השוואתי לקבלת עדכון, אך הוא פורסם אחרי נקודת החיתוך של 22 באוקטובר, ואינו מוכיח כשלעצמו שכל תהליך הלמידה והבדיקה אוטומטי.
למה התשתית חשובה לא פחות מהמודל
אם לכל תפקיד, עובד או סוכן AI יהיו פרמטרים משלו, צריך לנהל מספר גדול של מתאמים בלי להקצות לכל אחד תשתית אימון נפרדת. החברה מתארת שתי גישות שנועדו להתמודד עם העלות הזאת:4
- TIP — אימון והסקה במקביל: במקום להפריד לחלוטין בין אימון המודל לבין השירות למשתמשים, מתואר שימוש באותם GPUs ובאותם batches, צבירת גרדיאנטים אסינכרונית ומעבר מהיר בין תפקידי אימון והסקה. המטרה היא לנצל משאבי מחשוב זמינים לעדכון פרמטרים אישיים, תוך שמירה על שירות מקוון.
4
- Paged LoRA — ניהול זיכרון למתאמים: לפי תיאורי המערכת, ניהול מדורג ומיפוי לפי דרישה נועדו לאפשר למתאמי Personal LoRA רבים לחלוק מודל בסיס ומאגר זיכרון GPU, במקום להחזיק כל מתאם באופן קבוע ביחידת זיכרון גדולה.
11
הדיווחים מציגים מאות תפקידים ואלפי סוכני AI כעומס שמניע את האופטימיזציות האלה.4 הם אינם מוכיחים שאלפי מתאמים לומדים ברציפות כבר פועלים בייצור, או שהדבר נעשה בעלות נמוכה.
ומה לגבי תוצאות הביצועים?
המידע הזמין אינו מבסס את תוצאות הניסוי המספריות שהוזכר בשאלה — כולל מדדי השהיה, אחוזונים של השהיה בזנב או פגיעה בביצועים בעומס LoRA גבוה. דוח Qwen2.5 עוסק במדדי איכות של המודל, ולא בניסוי הספציפי של שירות מתאמים, ולכן אינו יכול לאמת את התוצאות האלה.3
גם אילו נתוני שירות כאלה היו זמינים, הם היו עונים רק על חלק מהשאלות: ביצועי הסקה אינם מוכיחים שהמודל למד היטב, שההתאמה נשמרת לאחר החלפת מודל בסיס, או שהמערכת נמנעת משכחה של יכולות קודמות.
השורה התחתונה
נכון ל־22 באוקטובר 2026, המידע תומך בכך ש־Tongyan Lingzhi הציגה אסטרטגיה של מודל בסיס משותף ופרמטרים אישיים, לצד שאיפה ללמידה מתמשכת ועבודה הנדסית על שימוש יעיל במשאבי אימון וזיכרון.4
5
7 הוא אינו מבסס מערכת אוטונומית ובשלה שמשפרת את עצמה בבטחה, בודקת נסיגות ומסתגלת לשינויים במודל הבסיס.
כדי להעריך מערכת כזאת נדרשות גם בדיקות אמינות למשוב, מנגנונים למניעת שכחה של יכולות קודמות, הגנה מפני משוב שגוי או מטעה, ומעקב אחר שינויים בהתנהגות המודל. אלה שאלות שצריך לענות עליהן — לא אמצעי הגנה שהמידע הזמין מוכיח כי החברה כבר הטמיעה.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Tongyan Lingzhi רוצה להפוך ניסיון מקצועי ליכולת קבועה של מודל AI"?
Tongyan Lingzhi מציעה להוסיף למודל בסיס משותף פרמטרים קלים המותאמים לאדם, לפרויקט או לארגון, כדי לקבע ידע וניסיון במודל ולא להסתמך רק על מידע שמוזן בזמן השימוש.[5][6]
What are the key points to validate first?
Tongyan Lingzhi מציעה להוסיף למודל בסיס משותף פרמטרים קלים המותאמים לאדם, לפרויקט או לארגון, כדי לקבע ידע וניסיון במודל ולא להסתמך רק על מידע שמוזן בזמן השימוש.[5][6] החברה מתארת למידה מתמשכת כחלק מהחזון שלה, אך המידע הזמין אינו מאמת תהליך אוטומטי מלא שאוסף משוב, בודק שיפורים ומונע נסיגה.[5][7]
What should I do next in practice?
לצד התאמה אישית, החברה מציגה שיטות שנועדו לאפשר אימון ושירות במקביל ולנהל בזיכרון GPU מתאמים רבים של LoRA.[4][11]