گیت هاب از مدل های Fine-tuned برای کاربران Copilot Enterprise پرده برداشت

گیت‌هاب اعلام کرده است که مدل‌های تنظیم‌شده برای مشتریان Copilot Enterprise در دسترس هستند. با این مدل‌های Fine-Tuned، مشتریان می‌توانند تجربه هوش مصنوعی خود را به گونه‌ای تطبیق دهند که با شیوه‌های خاص و زبان‌های برنامه‌نویسی آن‌ها سازگار باشد. گیت‌هاب می‌گوید این تنظیم دقیق منجر به بهبود ارتباط و کیفیت پیشنهادات کد خواهد شد.

گیت‌هاب مدل‌های Fine-Tuned را به عنوان “جهش بزرگ بعدی در سفارشی‌سازی” توصیف کرده است. با آموزش مدل‌ها بر اساس پایگاه کد سازمانی و در نظر گرفتن تله‌متری نحوه استفاده برنامه‌نویسان از پیشنهادات Copilot، مدل‌های تنظیم‌شده می‌توانند نتایج بهتری ارائه دهند. گیت‌هاب در مورد نتایج استفاده از این مدل‌ها اظهار داشته است:

Copilot با ماژول‌ها، کارکردها، زبان‌های کم‌یاب مانند زبان‌های ارثی یا اختصاصی و کتابخانه‌های داخلی آشنا می‌شود، پیشنهادات کدی که نه تنها از نظر نحوی صحیح هستند، بلکه به طور عمیق‌تری با سبک و استانداردهای برنامه‌نویسی تیم شما همخوانی دارند.

برای توسعه این مدل‌ها، GitHub از روشی به نام Low-Rank Approximation (LORA) استفاده می‌کند. برای سازمان‌ها، مزیت اصلی این روش سرعت بخشیدن به فرآیند آموزش و کاهش هزینه‌ها نسبت به تکنیک‌های تنظیم دقیق مرسوم است. روش LORA همچنین درک بهتری از چگونگی تعامل تیم شما با پیشنهادات Copilot فراهم می‌آورد.

یکی از دغدغه‌های اصلی در زمینه هوش مصنوعی تولیدی، جمع‌آوری داده‌ها است. سرویس‌هایی مانند Gemini و ChatGPT، از ورودی‌های کاربران عمومی برای بهبود خدمات خود بهره می‌برند. این شرکت با به‌کارگیری مدل‌های تنظیم شده دقیق GitHub Copilot، اطمینان می‌دهد که امنیت داده‌ها حفظ شده است. داده‌های شما همواره متعلق به شماست و هرگز برای آموزش مدل‌های مشتریان دیگر به کار نمی‌روند و مدل سفارشی شما نیز همیشه خصوصی باقی می‌ماند و تحت کنترل شماست.

مدل‌های تنظیم شده دقیق اکنون در یک بتای عمومی محدود در دسترس هستند و GitHub به تدریج افراد را از لیست انتظار به عنوان مشتریان جدید می‌پذیرد. اگر علاقه‌مند به پیوستن به لیست انتظار هستید، می‌توانید از اینجا اقدام کنید و با صبر و شکیبایی منتظر بمانید.