أعلنت مجموعة باحثي الذكاء الاصطناعي لشركة ميتا تحت مظلة FAIR عن إطلاق نماذج جديدة تتماشى مع هدف الشركة لتحقيق ذكاء آلي متقدم مع تعزيز العلم المفتوح وقابلية التكاثر. تتضمن النماذج الجديدة نموذج Segment Anything موديل 2 المحسن للصور والفيديو، بالإضافة إلى Meta Spirit LM و Layer Skip و SALSA وMeta Lingua و OMat24 وMEXMA وSelf Taught Evaluator. **Self Taught Evaluator** تصف ميتا Self Taught Evaluator بأنه "نموذج مكافأة توليدي قوي مع بيانات اصطناعية" يمكنه التحقق من مخرجات نماذج الذكاء الاصطناعي الأخرى. وفقًا للشركة، يقدم هذا النموذج طريقة جديدة لتوليد بيانات تفضيلية لتدريب نماذج المكافأة بشكل مستقل عن التعليقات البشرية. كما ورد في مدونة، فإن هذا النهج يولِّد مخرجات متناقضة من النماذج ويستخدم نموذج لغة كبيرة كقاضي لإنشاء آثار منطقية للتقييم والقرارات النهائية، ويمتاز بآلية تحسين ذاتية تكرارية. بمعنى آخر، يقوم Self Taught Evaluator بإنتاج بياناته الخاصة بشكل مستقل لتدريب نماذج المكافأة دون الحاجة إلى وصمات بشرية. تؤكد ميتا أن النموذج يولد مخرجات متنوعة من أنظمة الذكاء الاصطناعي ويستخدم نموذج ذكاء اصطناعي آخر لتقييم وتحسين هذه النتائج عبر عملية تكرارية. يتم الإبلاغ عن أداء هذا النموذج بأنه يتجاوز أداء النماذج المعتمدة على بيانات بشرية مثل GPT-4 وغيرها. **Meta Spirit LM** Spirit LM هو نموذج لغة مفتوح المصدر مصمم للتكامل السلس بين الكلام والنص.

عادةً ما تُستخدم نماذج اللغة الكبيرة لتطوير أنظمة قادرة على تحويل الكلام إلى نص والعكس، لكن هذا غالبًا ما يؤدي إلى خسارة في التعبيرية الطبيعية للكلام الأصلي. لتلافي ذلك، قامت ميتا بإنشاء Spirit LM، وهو أول نموذج مفتوح المصدر يعزز التفاعل بين النص والكلام. أشارت ميتا في تغريدة إلى أن العديد من أنظمة الذكاء الاصطناعي الصوتية الحالية تستخدم تقنيات التعرف التلقائي على الكلام (ASR) لمعالجة الكلام قبل الدمج مع نموذج لغة كبير لتوليد النص، مما يمكن أن يقلل من السطحيات التعبيرية للكلام. من خلال استخدام رموز الصوت والنبرة والنغمة، يتغلب Spirit LM على هذه التحديات في كل من المدخلات والمخرجات، منتجًا كلامًا يبدو أكثر طبيعية بينما يتكيف مع مهام جديدة عبر ASR وتحويل النص إلى كلام وتصنيف الكلام. يتم تدريب Meta Spirit LM على بيانات من كل من الكلام والنص، مما يسهل الانتقالات السلسة بين الوضعين. تقدم الشركة نسختين من هذا النموذج: النسخة الأساسية Spirit LM Base، التي تركز على أصوات الكلام، والنسخة الكاملة من Spirit LM التي تلتقط التفاصيل مثل النبرة والمشاعر—مثل الغضب والحماس—لتعزيز الواقعية. تدعي ميتا أن هذا النموذج يمكنه توليد كلام يبدو أكثر طبيعية وقادر على إتقان مهام مثل التعرف على الكلام، وتحويل النص إلى كلام، وتصنيف أنواع الكلام المختلفة.