WIZ.AI Melansir LLM Dasar Pertama di Asia Tenggara untuk Bahasa Indonesia

VISI.NEWS | SINGAPURA - Pada 13 September lalu, pemimpin industri global asal Singapura yang menyediakan solusi interaksi pelanggan omnichannel (omnichannel customer engagement) dengan dukungan kecerdasan buatan generatif (Generative-AI), meluncurkan 13 miliar parameter Large Language Model (LLM) yang dirancang khusus untuk Bahasa Indonesia. LLM bahasa Indonesia ini dilansir WIZ.AI setelah peluncuran 7B Foundation Model dan Enterprise LLM untuk domain spesifik di awal tahun ini. Langkah tersebut menjadi pencapaian penting di pasar Asia Tenggara yang kini mengadopsi Large Language Model-nya sendiri, serta meningkatkan perkembangan di sektor AI regional.

Peluncuran LLM bahasa Indonesia oleh WIZ.AI juga mendorong komunitas AI internasional agar lebih mengutamakan LLM untuk bahasa-bahasa lokal di Asia Tenggara. Lewat langkah ini, bahasa dan representasi budaya Asia semakin dikenal di kalangan LLM arus utama (mainstream LLM). "Kami sangat senang sekali dapat melansir Large Language Model regional yang pertama di Asia Tenggara. LLM ini menciptakan berbagai peluang bagi pelaku bisnis di kawasan tersebut. Kami juga menyambut baik dampak transformatif dari LLM tersebut," ujar Jennifer Zhang, CEO dan Salah Satu Pendiri WIZ.AI.

Sebagian besar LLM yang telah tersedia dilatih dengan data dan sumber materi dari dunia Barat. Di sisi lain, LLM WIZ.AI dilatih dengan 10 miliar token bahasa Indonesia. Metode ini menjaring nuansa linguistik dan konteks budaya di Indonesia sehingga mendatangkan hasil yang lebih relevan secara kontekstual.

Model LLM WIZ.AI mengungguli LLM dasar bahasa Indonesia lainnya dalam Hugging Face Open Leaderboard, tolak ukur penting dalam evaluasi LLM.

Penilaian awal atas kinerja LLM WIZ.AI juga menunjukkan hasil yang menjanjikan. Dibandingkan 13B LLM arus utama, misalnya, LLM WIZ.AI dapat melampaui kinerja 13B LLM bahasa Indonesia dalam seluruh metrik penting. Keunggulan kinerja LLM WIZ.AI terlihat jelas dari indikator Hellaswag (commonsense inference) sebesar 33%, disusul sejumlah indikator lain, yakni ARC (reasoning challenge) dan TruthfulQA sebesar 20%, serta MMLU sebesar 7%.