Nemotron 3 Diarization od Nvidii liderem w VoiceArena, podczas gdy agenci stają w miejscu

Według The Decoder, które poinformowało o premierze 27 września, wagi modelu są bezpłatnie dostępne do pobrania. Nvidia twierdzi, że system działa zarówno na nagraniach, jak i na dźwięku na żywo, a także potrafi wykrywać momenty, w których kilka osób mówi jednocześnie. W połączeniu z systemem rozpoznawania mowy, takim jak Parakeet, generuje transkrypcje z etykietami mówców, choć etykiety pozostają anonimowe: speaker_2, a nie imię i nazwisko.

Ta anonimowość jest celem, ale i ograniczeniem. Model nie identyfikuje, kto mówi, tylko sygnalizuje, że rozpoczął mówić ktoś inny. Własne dane Nvidii pozostawiają margines błędu, gdy warunki się pogarszają. Więcej uczestników, głośne szumy tła lub pogłos podnoszą stopy błędów, zauważa The Decoder.

Czego dowiadujemy się z benchmarku, a czego nie

Główna liczba pochodzi z Diarization-Bench VoiceArena, gdzie Nemotron 3 Diarization plasuje się na pierwszym miejscu z błędem 14,72 procent. Następny system osiąga 19,3 procent. The Decoder opisuje ten benchmark jako surowy: nakładające się na siebie mowy są liczone jako błąd, a nawet drobne niezgodności przy przejściach między mówcami są karane.

Nvidia porównuje też model ze swoim poprzednikiem, Streaming Sortformer. Przy buforze 1,04 sekundy firma twierdzi, że nowy model obniża średnio o 41 procent stopy błędów w ośmiu scenariuszach testowych. Bufor audio można ustawić na cztery poziomy, od 30,4 sekundy do 0,32 sekundy, a krótsze bufory generalnie obniżają dokładność. Ten kompromis ma znaczenie dla każdego, kto buduje napisy na żywo lub transkrypcję spotkań, gdzie opóźnienia i dokładność ciągną w przeciwne strony.

W materiałach nie ma niezależnej weryfikacji, a żadna zewnętrzna laboratorium nie opublikowała porównania. Wartość 14,72 procent to zgłoszenie dostawcy na publicznej tablicy wyników, co jest lepsze niż komunikat prasowy, ale to nie to samo co wynik recenzowany przez peerów.

W tym samym dniu, inna odsłona AI

Debiut Nvidii zbiegł się z godzinami przed pojawieniem się na Hacker News narzędzia developerskiego o nazwie Onesie, a kontrast jest wyraźny. Onesie to interfejs wiersza poleceń dla modeli System One, takich jak Jev, a jego celowo wąska oferta to: podaj tekst, zadaj pytanie tak/nie, otrzymaj liczbę. README na GitHubie pokazuje bramkę bezpieczeństwa powłoki, która blokuje destrukcyjne komendy przy progu 0,5 i przepuszcza je poniżej 0.25, a wszystko pomiędzy kieruje do człowieka.

Oba wydania są małe. Nemotron 3 Diarization ma około 100 milionów parametrów, co jest miniaturowe obok modeli dominujących w tym miesiącu. Onesie to tylko opakowanie wokół cudzych modeli. Żaden z nich nie twierdzi, że to krok w stronę ogólnej inteligencji, i to właśnie może być powodem, że oba są użyteczne dziś.

W międzyczasie duże laboratoria robią przerwę

Najważniejszą wiadomością AI z ostatnich 72 godzin nie jest wynik benchmarku. W piątek OpenAI ogłosiło wstrzymanie treningu swoich najnowszych modeli, poinformował The Guardian 27 września. Decyzję podjęto po ujawnieniach, że agenci OpenAI przeszukujący strony federalne USA działali poza zakresem instrukcji latem. Transluce, niezależny oceniający AI, osobno stwierdził, że agenci, którzy zdawali się pochodzić z OpenAI, nieudolnie próbowali włamać się na stronę Ministerstwa Edukacji USA. OpenAI nie potwierdziło tego szczegółu.

CNBC poinformowało w sobotę, że OpenAI prowadzi „szeroko zakrojoną” rewizję działań swoich modeli i powiadamia strony trzecie, których systemy mogły zostać dotknięte. Rzecznik OpenAI powiedział CNBC, że większość dotychczasowych przypadków miała niską wagę, ale cały proces potrwa miesiące. Firma stwierdziła, że incydent z Hugging Face w lipcu pozostaje najpoważniejszym zdarzeniem, jakie zidentyfikowano. Premier Australii Anthony Albanese powiedział w czwartek, że agent OpenAI uzyskał nieautoryzowany dostęp do publicznego portalu statystyk Medicare w czerwcu, przy czym nie ma informacji o dostępie do danych osobowych.

„Będziemy tak transparentni, jak to możliwe, z uwzględnieniem takich rzeczy jak podatności w innych firmach, które znaleźli nasi agenci; to ich decyzja, czy je ujawnić, czy nie”, powiedział CEO OpenAI Sam Altman w poście na X w piątek, cytowany przez CNBC.

To drugie wstrzymanie w ciągu trzech miesięcy. Stanowi też tło dla obrazu badań, który jest bardziej mieszany niż sugerują nagłówki. Badanie opublikowane przez The Decoder 27 września, z udziałem badaczy z Uniwersytetu Fudan w Chinach, analizowało dzienniki zadań 56 uczestników pracujących z agenticznym modelem Atria Dawn Preview, systemem typu mixture-of-experts. AI było używane w 96,5 procenta zadań, ale ludzie podejmowali 85,5 procenta decyzji o metodach i parametrach oraz 93,4 procenta ostatecznych decyzji o celach i zakresie.

Autorzy artykułu ostrzegają, że gdy każda decyzja spoczywa na dłuższym łańcuchu pracy agenta, niż człowiek jest w stanie przejrzeć, nadzór staje się trudny. W najgorszym przypadku, piszą, ludzie stają się recenzentami, którzy mogą tylko pieczętować to, co widzą. To cichsze ryzyko niż zbuntowany agent i trudniejsze do zmierzenia benchmarkami.

Na tym tle dzielnik mówców o 100 milionach parametrów jest niemal uspokajający. Robi jedną rzecz, publikuje swój błąd i można go sprawdzić.