अलीबाबा Qwen टीम ने CoCo प्रस्तुत किया: बहु-आयामी टाइम‑सीरीज़ एआई पूर्वानुमान
अलीबाबा की Qwen शोध टीम ने Context as Covariates (CoCo) पेश किया, एक ऐसा फ्रेमवर्क जो बड़े भाषा मॉडल और टाइम‑सीरीज़ फाउंडेशन मॉडल को मिलाकर समाचार और टेक्स्ट रिपोर्टों को संख्यात्मक सहचर में बदलकर पूर्वानुमान की सटीकता को 12% तक बढ़ाता है।
Key Highlights
- ✓CoCo LLM और टाइम‑सीरीज़ फाउंडेशन मॉडल को एकीकृत कर 12% तक MAE घटाता है।
- ✓Qwen3-4B-Instruct-2507 टेक्स्ट तर्क और Chronos2 मात्रात्मक पूर्वानुमान बैकबोन के रूप में उपयोग करता है।
- ✓GRPO प्रशिक्षण विधि सीधे पूर्वानुमान सटीकता के इनाम से जुड़ी है, और कोड ओपन‑सोर्स उपलब्ध है।
क्या है अलीबाबा का Context as Covariates (CoCo) फ्रेमवर्क?
अलीबाबा के Qwen शोधकर्ताओं ने Context as Covariates (CoCo) पेश किया है, जो बड़े भाषा मॉडल (LLM) को टाइम‑सीरीज़ फाउंडेशन मॉडल (TSFM) के साथ मिलाकर एक हाइब्रिड पूर्वानुमान फ्रेमवर्क बनाता है। असंरचित समाचार और टेक्स्ट रिपोर्टों को संख्यात्मक सहचर में बदलकर मात्रात्मक पूर्वानुमान मॉडलों को मार्गदर्शन देने से, CoCo वित्तीय, आर्थिक और संचालनात्मक बेंचमार्क पर अकेले LLM या टाइम‑सीरीज़ आर्किटेक्चर की तुलना में 12% तक त्रुटि घटाता है।
CoCo कैसे बड़े भाषा मॉडल को जोड़ता है
मुख्य बिंदु:
- अलीबाबा ने Context as Covariates (CoCo) पेश किया है जिससे LLM और TSFM एक साथ काम कर सकें।
- टेक्स्ट तर्क के लिए Qwen3-4B-Instruct-2507 और मात्रात्मक पूर्वानुमान के लिए Chronos2 का उपयोग करता है।
- Group Relative Policy Optimization (GRPO) के माध्यम से प्रशिक्षण, जो सीधे पूर्वानुमान सटीकता के इनाम से जुड़ा है।
- GPT‑4o जैसे स्टैंडअलोन SOTA पूर्वानुमानकों की तुलना में बेंचमार्क पर MAE में 12% तक सुधार।
- ओपन‑सोर्स रिलीज़ में कोड, मॉडल चेकपॉइंट और मूल्यांकन डेटासेट शामिल हैं।
यह क्यों महत्वपूर्ण है
टाइम‑सीरीज़ पूर्वानुमान लॉजिस्टिक्स, वित्त, रिटेल और ऊर्जा जैसे क्षेत्रों में अत्यंत आवश्यक है, लेकिन पारंपरिक मात्रात्मक मॉडल गुणात्मक समाचार और रिपोर्टों से अंधे होते हैं। CoCo आर्किटेक्चर इस मूलभूत सीमा को दूर करके एआई सिस्टम को कथा‑आधारित समाचार को सीधे गणितीय सहचर में बदलने की अनुमति देता है।
यह पुल उद्यमों को पूर्वानुमान इंजन बनाने में सक्षम बनाता है जो ब्रेकिंग न्यूज़, प्रेस रिलीज़ और आर्थिक संकेतकों पर तुरंत प्रतिक्रिया देते हैं, जिससे संचालनात्मक निर्णय केवल ऐतिहासिक विश्लेषण से सक्रिय संदर्भात्मक बुद्धिमत्ता की ओर बढ़ते हैं।
यह क्यों मायने रखता है
समय‑सीरीज़ पूर्वानुमान में गुणात्मक समाचार को शामिल करना कठिन रहा है; CoCo इस बाधा को हटाकर एआई को वास्तविक‑समय समाचार से सीधे संख्यात्मक संकेत बनाकर अधिक सटीक और प्रतिक्रियाशील निर्णय लेने में सक्षम बनाता है।
FAQ
अलीबाबा का Context as Covariates (CoCo) फ्रेमवर्क क्या है?
Context as Covariates (CoCo) अलीबाबा शोधकर्ताओं द्वारा निर्मित एक पूर्वानुमान फ्रेमवर्क है जो टेक्स्ट समाचार और रिपोर्टों को LLM के माध्यम से संख्यात्मक सहचर में बदलता है, जिन्हें फिर टाइम‑सीरीज़ फाउंडेशन मॉडल में फीड करके पूर्वानुमान की सटीकता बढ़ाई जाती है।
CoCo मौजूदा मॉडलों की तुलना में पूर्वानुमान सटीकता में कितना सुधार करता है?
वित्त, आर्थिक, ट्रैफ़िक और मौसम जैसे बेंचमार्क में CoCo ने Mean Absolute Error (MAE) में अधिकतम 12% सुधार दिखाया है, जो स्टैंडअलोन SOTA टाइम‑सीरीज़ मॉडल और GPT‑4o जैसे LLM पूर्वानुमानकों से बेहतर है।
Want AI intelligence for your business?
ThinkSuite builds AI-powered systems, automation, and custom tools for forward-thinking companies.