O Beam 1.0 501B A23B é um modelo textual da Reflection para programação, raciocínio e tarefas divididas em vários passos relacionados. A sua arquitetura MoE esparsa tem 501,3 mil milhões de parâmetros no total e cerca de 23,4 mil milhões ativos por token. O modelo foi desenvolvido sobretudo para inglês; convém ter isso em conta ao escolher o idioma do código-fonte, dos materiais técnicos e das instruções detalhadas.
A arquitetura combina atenção local e global e a preparação do modelo inclui trabalho com código-fonte, documentação técnica e materiais científicos e didáticos. Uma etapa específica do treino desenvolveu o contexto longo com repositórios estruturados, tarefas prolongadas e documentos extensos. Durante a aprendizagem por reforço, o fabricante combinou tarefas de programação, trabalho no terminal e STEM.
A Reflection destaca a engenharia de software, o raciocínio matemático e científico e a resolução sucessiva de tarefas. Estas áreas podem servir para um diálogo textual com conteúdo: explicar relações entre componentes de um programa, analisar um erro lógico, propor uma alteração a um algoritmo, elaborar um plano de verificação de uma hipótese ou obter um resumo de material técnico.
O Beam dá particular atenção ao uso económico de tokens de raciocínio. No treino, foi recompensada a resolução bem-sucedida com redução de tokens desnecessários. Isto descreve a abordagem do fabricante; ainda assim, convém definir explicitamente a extensão da resposta no pedido, por exemplo, uma conclusão breve, uma demonstração detalhada ou um patch com explicação.
A janela de contexto da ligação é de 1 048 576 tokens. Inclui os materiais fornecidos, as instruções, o histórico e a resposta gerada. Os metadados do modelo indicam um volume de resposta até 131 072 tokens. Este volume permite fornecer vários textos relacionados: uma especificação, excertos de implementação, resultados de verificações e perguntas sobre eles. Dê nomes aos materiais e peça que cada conclusão indique o excerto em que assenta, facilitando a verificação de análises extensas.
Por exemplo, numa tarefa de código, pode pedir primeiro um mapa de dependências dos ficheiros fornecidos, depois identificar o local da alteração e só então preparar a implementação. Numa tarefa científica, defina as condições iniciais, a notação e o nível de rigor exigido. São formas de organizar o pedido que permitem comparar o resultado útil com os materiais de partida.
A ligação recebe texto e devolve texto através de Messages, Responses, Chat Completions e generateContent textual. O código e as recomendações chegam como resposta do modelo; a execução de comandos e o trabalho com dados externos são determinados pelas capacidades da sua aplicação.
", "aboutText": "### Beam 1.0 da Reflection\n\nO Beam 1.0 501B A23B é um modelo textual da Reflection para programação, raciocínio e tarefas divididas em vários passos relacionados. A sua arquitetura MoE esparsa tem 501,3 mil milhões de parâmetros no total e cerca de 23,4 mil milhões ativos por token. O modelo foi desenvolvido sobretudo para inglês; convém ter isso em conta ao escolher o idioma do código-fonte, dos materiais técnicos e das instruções detalhadas.\n\nA arquitetura combina atenção local e global e a preparação do modelo inclui trabalho com código-fonte, documentação técnica e materiais científicos e didáticos. Uma etapa específica do treino desenvolveu o contexto longo com repositórios estruturados, tarefas prolongadas e documentos extensos. Durante a aprendizagem por reforço, o fabricante combinou tarefas de programação, trabalho no terminal e STEM.\n\n### A que tarefas se orienta\n\nA Reflection destaca a engenharia de software, o raciocínio matemático e científico e a resolução sucessiva de tarefas. Estas áreas podem servir para um diálogo textual com conteúdo: explicar relações entre componentes de um programa, analisar um erro lógico, propor uma alteração a um algoritmo, elaborar um plano de verificação de uma hipótese ou obter um resumo de material técnico.\n\nO Beam dá particular atenção ao uso económico de tokens de raciocínio. No treino, foi recompensada a resolução bem-sucedida com redução de tokens desnecessários. Isto descreve a abordagem do fabricante; ainda assim, convém definir explicitamente a extensão da resposta no pedido, por exemplo, uma conclusão breve, uma demonstração detalhada ou um patch com explicação.\n\n### Contexto textual amplo na Ailoot\n\nA janela de contexto da ligação é de 1 048 576 tokens. Inclui os materiais fornecidos, as instruções, o histórico e a resposta gerada. Os metadados do modelo indicam um volume de resposta até 131 072 tokens. Este volume permite fornecer vários textos relacionados: uma especificação, excertos de implementação, resultados de verificações e perguntas sobre eles. Dê nomes aos materiais e peça que cada conclusão indique o excerto em que assenta, facilitando a verificação de análises extensas.\n\nPor exemplo, numa tarefa de código, pode pedir primeiro um mapa de dependências dos ficheiros fornecidos, depois identificar o local da alteração e só então preparar a implementação. Numa tarefa científica, defina as condições iniciais, a notação e o nível de rigor exigido. São formas de organizar o pedido que permitem comparar o resultado útil com os materiais de partida.\n\nA ligação recebe texto e devolve texto através de Messages, Responses, Chat Completions e generateContent textual. O código e as recomendações chegam como resposta do modelo; a execução de comandos e o trabalho com dados externos são determinados pelas capacidades da sua aplicação.", "locale": "pt-pt", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContenttexttext