Egipski startup Racore udostępnił trzy wąskie modele AI do zadań biznesowych

Startup Racore XYZ z Aleksandrii udostępnił trzy otwarte modele językowe opracowane do konkretnych zadań biznesowych w języku arabskim. Zamiast tworzyć narzędzia ogólnego przeznaczenia, firma skupiła się na wąskich procesach operacyjnych: VEJI-V2 ma wspierać analizę decyzji, Wasl-1 służy do obsługi zamówień za pobraniem na rynku egipskim, a Siyaq-1 porządkuje ciągi zdarzeń biznesowych. Racore zapowiada również tworzenie modeli na zamówienie z wykorzystaniem danych klientów.

Model VEJI-V2, udostępniony na licencji MIT, liczy około 3,28 mln trenowalnych parametrów i nie generuje tekstu autoregresyjnie. System przyjmuje kontekst, pytanie oraz zestaw opcji, po czym zwraca punktową ocenę wariantów, poziom pewności i wskazanie dowodów w tekście źródłowym.

Według danych Racore model osiągnął 82,95 proc. poprawnych odpowiedzi w podzbiorze testowym liczącym 522 pytania oraz stuprocentową skuteczność w odnajdywaniu fragmentów z dowodami. Firma zaznacza jednak, że są to wyniki wstępne. Narzędzie wyraźnie słabiej radziło sobie w zadaniach wymagających ustalania rankingu (27,27 proc.) oraz planowania i porządkowania zdarzeń w czasie (po 18,18 proc.). W testach długiego kontekstu jednorazowe przetworzenie stanu zajmowało 42,4 sekundy, po czym model odpowiadał w tempie 87–89 pytań na sekundę, jednak pełna ewaluacja nie została ukończona, a firma nie podała specyfikacji sprzętowej użytej do pomiarów.

Drugi model, Wasl-1 (10,16 mln parametrów), opublikowano na licencji Apache-2.0 jako prototyp badawczy. Został wytrenowany od podstaw na syntetycznych tekstach w egipskim dialekcie arabskiego, a jego celem jest ocena intencji odbioru przesyłki, szacowanie ryzyka odmowy i kierowanie logistyką zamówień za pobraniem. Opublikowane materiały nie zawierają jednak dowodów na to, że model niezawodnie generuje uporządkowane dane ani że realnie obniża liczbę zwrotów w operacjach handlowych. Etykiety treningowe oparto na heurystykach i wygenerowano z tych samych szablonów, które posłużyły do walidacji.

Z kolei Siyaq-1, również liczący około 10,16 mln parametrów, ma przekształcać strumienie zdarzeń w ustrukturyzowany stan w formacie JSON na potrzeby systemów CRM i baz danych. Według deklaracji Racore model aktualizuje dane iteracyjnie, zachowuje stałe zużycie pamięci i pozwala na uruchomienie na smartfonach oraz małych serwerach. W przeciwieństwie do VEJI-V2 firma nie przedstawiła jednak dla Siyaq-1 żadnych wyników testów wydajnościowych ani benchmarków weryfikujących te możliwości.