Z.ai: GLM 5.3 (batch)

Z.ai GLM 5.3 on laajamittainen tekstipäättelymalli, joka on suunniteltu vaativaan ohjelmistotekniikkaan ja pitkäkestoiseen agenttityöhön. Valmistajan mukaan se käyttää samaa pohjamallia kuin GLM 5.2, ja uudet parannukset tulevat jälkikoulutuksesta. Julkaisu painottaa vahvempaa ohjelmointia, päätetoimintoja ja laajempia tehtäviä, joissa on useita toisistaan riippuvia vaiheita. Se vastaanottaa tekstiä ja tuottaa tekstiä, kuten koodia, selityksiä, suunnitelmia ja työkalukutsupyyntöjä työkaluja käyttävässä sovelluksessa.

Dokumentoitu päättelytila on aina käytössä. GLM 5.3 tarjoaa kolme panostustasoa: low, high ja max, joista max on oletus. Valmistaja suosittelee max-tasoa vaativaan ohjelmointityöhön; low tarjoaa kevyemmän päättelyvaihtoehdon yksinkertaisempiin vaiheisiin. Käytä valittua tasoa yhdessä selkeän lopputuotoksen ja valmistumiskriteerien kanssa. Esimerkiksi: ”Tutki nämä tiedostot ja epäonnistuneet tulokset, jäljitä syy asianomaisten moduulien kautta, ehdota korjausta, joka säilyttää julkisen rajapinnan, ja selitä, mitkä tarkistukset osoittavat regression ratkenneen.”

Valmistaja määrittelee 1M tokenin konteksti-ikkunan ja 128K tokenin tulosteen enimmäispituuden. Järjestä pitkä aineisto sen suhteen ympärille, jota mallin on tutkittava. Säilytä tiedostonimet, olennaiset määritelmät, lähdemerkinnät ja havaintojen järjestys ja jätä sovellettavaan työskentelykontekstiin tilaa päättelylle ja lopulliselle vastaukselle. Suuri ikkuna on hyödyllinen moduulien välisille riippuvuuksille tai pitkälle agentin havaintoketjulle; se ei tee toisiinsa liittymättömän aineiston kohdentamattomasta arkistosta hyvin määriteltyä tehtävää.

Anna koodivarastotyöhön odotettu toiminta, olennainen lähdeteksti, riippuvuuksien versiot ja todellinen virhetuloste. Pyydä mallia yksilöimään toiminta, johon ongelma vaikuttaa, ennen korjaustiedoston ehdottamista. Nimeä refaktorointia varten rajapinta ja invariantit, joiden tulee säilyä. Hyödyllinen vastaus sisältää muokatun koodin, perustelun sille, miksi muutos korjaa havaitun ongelman, ja tuloksen tarkistamiseen tarvittavat tapaukset. Syötä todelliset tulokset takaisin työkaluja käyttävään työnkulkuun, jotta seuraava vaihe perustuu muuttuneeseen tilaan eikä aiempaan ehdotukseen.

Anna suorituskykytyöhön työkuorma, vertailutaso ja mittaukset, kuten kestot, profiilit tai muistivarausten tiedot. Z.ai kuvaa koulutustehtäviä, joihin kuuluvat pullonkaulojen diagnosointi, optimointi, kokeet ja oikeellisuuden säilyttävät tulokset. Käytännöllinen pyyntö on: ”Tunnista tämän profiilin perusteella merkittävin pullonkaula, ehdota yhtä mitattavaa muutosta ja selitä, mikä tulos perustelisi sen säilyttämisen.” Erota suorituskykyä koskeva hypoteesi kirjatusta parannuksesta. Säilytä sama työkuorma ja olennaiset olosuhteet tulosta tarkastellessasi.

Julkaisu kehittää myös haavoittuvuusanalyysin valmiuksia. Anna puolustavaan lähdekoodin tarkastukseen olennainen koodi, sen tarkoitetut luottamusrajat ja suoritusolosuhteet. Pyydä löydös, joka yhdistää epäillyn ongelman sen kohteena olevaan syötteeseen ja toimintaan sekä kohdennettuun korjaukseen. Erota mahdollinen heikkous toistetusta viasta ja säilytä sen todentamiseen käytetty havainto. Raportti on hyödyllisempi, kun se asettaa konkreettisen näytön ja ehdotetut korjaukset etusijalle sen sijaan, että käsittelisi jokaista epäilyttävää kuviota vahvistettuna haavoittuvuutena.

Funktiokutsut antavat ympäröivän sovelluksen tarjota mallille ulkoisia toimintoja. Määrittele jokaisen työkalun tarkoitus, argumentit ja odotettu tulos ja palauta sitten työkalun todellinen havainto seuraavaa vaihetta varten. Malli voi päätellä tämän tuloksen perusteella ja ratkaista, miten se muuttaa tehtävää. Pidä ehdotetut toimet, suoritetut toiminnot ja ratkaisemattomat tarkistukset erotettavina. Valmistaja dokumentoi myös suoratoistovastaukset, jotka palauttavat päättely- ja vastauskatkelmat erikseen; kokoa valmis vastaus ennen sen käsittelemistä lopullisena raporttina tai koodiselityksenä.

Paikallinen mallikortti antaa täsmällisen historian asetusta koskevan tiedon: sen keskustelupohja säilyttää ajattelun oletusarvoisesti, kun taas valmistaja suosittelee vanhan ajattelun nimenomaista tyhjentämistä tavallisissa keskustelutilanteissa. Käytä käyttötapaukseen sopivaa keskustelurakennetta säilyttäen jatkamiseen tarvittavat todelliset valmiit vastaukset ja työkalutulokset. Älä käsittele GLM 5.2:n tai erillisten GLM 5.3 Flash -versioiden päättelyn säätöasetuksia tämän mallin low/high/max-säätöjen kanssa vaihdettavina.

Määrittele rakenteisia tuloksia varten odotetut kentät, tyypit ja lähdesäännöt. Hyödyllinen tuotos voi olla vikataulukko, muutossuunnitelma tai havaintoja kokoava JSON-olio. Tarkista sekä rakenne että arvot ennen kuin sovellus käyttää niitä. Lopullisen tuloksen tulee yksilöidä vastaus tai muokattu tuotos, sitä tukeva näyttö ja jäljellä olevat oletukset. Suurempi päättelypanos ei osoita, että työkalu suoritettiin, ehdotettu korjaus läpäisi tarkistuksensa tai tosiasiaväitteellä on tukea annetun aineiston ulkopuolella.