Mashindano ya LlamaCon Hackathon yaliyofanyika San Francisco yamehitimishwa kwa mafanikio, ikiwa ni mkusanyiko mkuu wa AI uliowaunganisha wasanidi programu kutoka kote ulimwenguni. Tukio hili lilivutia zaidi ya wasajili 600, na hatimaye wasanidi programu na wabunifu 238 wenye vipaji walikusanyika kwa siku nzima ya ujenzi wa mradi. Changamoto ilikuwa kuunda mradi unaoonyeshwa kwa saa 24 tu, kwa kutumia Llama API, Llama 4 Scout, au Llama 4 Maverick (au mchanganyiko wowote wa zana hizi za kisasa).
Zawadi za mashindano zilikuwa nono, jumla ya $35,000 katika zawadi za pesa taslimu, ikijumuisha zawadi za kwanza, pili na tatu, na zawadi bora ya matumizi ya Llama API. Jopo la majaji kutoka Meta na washirika wa udhamini lilikagua kwa makini miradi 44 iliyowasilishwa.
Tunawashukuru sana washirika wetu Groq, Crew AI, Tavus, Lambda, Nebius na SambaNova kwa msaada wao muhimu wakati wa hackathon nzima. Kila mdhamini alitoa matumizi ya mikopo, warsha za wazungumzaji wataalamu, ushauri, kibanda cha maswali na majibu papo hapo, majaji na usaidizi wa mbali kwenye Discord.
Orodha ya Washindi
Baada ya raundi mbili za kuhukumu, tulichagua sita bora kutoka kwa miradi 44 iliyowasilishwa, na hatimaye tukawaamua mshindi wa kwanza, wa pili, wa tatu na zawadi bora ya matumizi ya Llama API.
OrgLens – Zawadi ya Kwanza
OrgLens iliunda mfumo wa kulinganisha wataalamu unaoendeshwa na AI ambao hukuunganisha na wataalamu sahihi ndani ya shirika lako. Kwa kuchanganua data kutoka vyanzo mbalimbali, ikiwa ni pamoja na kazi za Jira, msimbo wa GitHub na masuala, hati za ndani, na wasifu, OrgLens inaunda ramani kamili ya maarifa na wasifu wa kina kwa kila mchangiaji. Hii inakuwezesha kutafuta wataalamu kwa kutumia uwezo wa juu wa utafutaji unaoendeshwa na AI, na hata kuingiliana na pacha ya kidijitali ya mtu binafsi ili kuuliza maswali kabla ya kuwasiliana. Ili kuonyesha utendakazi wake, programu ya wavuti ya onyesho iliyojengwa kwa React, Tailwind na Django ilitumika, ikitumia GitHub API na Llama API kuchakata na kuhifadhi data. OrgLens hurahisisha ulinganishaji wa wataalamu, na kufanya iwe rahisi zaidi kupata watu sahihi kwa kazi hiyo.
Angalia kwa kina ubunifu wa OrgLens, si mfumo tu wa kulinganisha wataalamu, bali ni kichocheo cha ushirikiano na ugavi wa maarifa wa ndani wa biashara. Inatumia kwa ustadi nguvu ya akili bandia kuvunja silos za habari na kuunganisha utaalam uliofichwa katika kila kona ya shirika. Fikiria kwamba unakutana na tatizo katika mradi tata, hauhitaji tena kutafuta bila lengo katika barua pepe na hati za ndani, lakini unaweza kupata haraka wenzako ambao wana uzoefu na ujuzi muhimu kupitia OrgLens, na uwasiliane moja kwa moja na "pacha yao ya kidijitali" kufanya mawasiliano ya awali, ambayo bila shaka itaboresha sana ufanisi wa kazi na kasi ya kutatua matatizo. Faida kuu ya OrgLens iko katika uchimbaji wake wa kina na uchanganuzi wa data. Haiwezi tu kuchambua data kutoka kwa majukwaa kama Jira na GitHub, lakini pia kuchambua hati za ndani na wasifu ili kujenga ramani kamili ya maarifa. Ramani hii ya maarifa haijumuishi tu ujuzi na uzoefu wa wafanyakazi, lakini pia kumbukumbu michango yao na mwingiliano katika miradi tofauti. Kupitia ramani hii ya maarifa, OrgLens inaweza kutambua kwa usahihi wataalamu wanaofaa zaidi kwa kazi fulani na kuwapendekeza kwa watu wanaohitaji msaada. Zaidi ya hayo, OrgLens inazingatia uzoefu wa mtumiaji. Inatoa kiolesura cha wavuti angavu na rahisi kutumia, ambapo watumiaji wanaweza kutafuta kwa maneno muhimu au kutumia vichungi vya hali ya juu kupata mtaalam anayefaa. Zaidi ya hayo, kipengele cha "pacha ya kidijitali" huruhusu watumiaji kuuliza maswali ya awali na kupata majibu ya haraka, kuokoa muda wa mtaalam na mtafutaji. Kwa kuunganisha akili bandia katika mchakato wa kulinganisha wataalamu, OrgLens ina uwezo wa kuleta mapinduzi katika jinsi makampuni yanavyosimamia na kutumia rasilimali zao za talanta za ndani, na kusababisha ushirikiano bora, ubunifu na utendaji wa jumla.
Mafanikio ya OrgLens yanatokana na utatuzi wake wa matamshi ya usimamizi wa maarifa ambayo yapo kwa kawaida ndani ya makampuni. Makampuni mengi yanakabiliwa na tatizo la utawanyaji ujuzi wa wafanyakazi na ugumu wa kupata taarifa, na kusababisha kupoteza rasilimali na ufanisi mdogo. Kwa kuendesha kiotomatiki mchakato wa kulinganisha wataalamu, OrgLens hutatua tatizo hili kwa ufanisi, na kuleta faida kubwa zifuatazo kwa makampuni:
- Kuongeza tija: Wafanyakazi wanaweza kupata usaidizi wanaohitaji haraka, hivyo kuharakisha maendeleo ya mradi.
- Kukuza ubunifu: Kwa kuwaunganisha wataalamu kutoka fani tofauti, mawazo na masuluhisho mapya yanaweza kuchochewa.
- Boresha matumizi ya rasilimali: Epuka kuiga kazi na kupoteza rasilimali, boresha ufanisi wa jumla.
- Boresha ushiriki wa wafanyakazi: Fanya iwe rahisi kwa wafanyakazi kushiriki maarifa na uzoefu, hivyo kuboresha hisia zao za ushiriki na mali.
Compliance Wizards – Zawadi ya Pili
Compliance Wizards iliunda kichanganuzi cha shughuli kinachoendeshwa na AI ili kugundua ulaghai na kuwaonya watumiaji kulingana na algoriti maalum za tathmini ya hatari. Arifa za barua pepe hutumwa kwa watumiaji, na kuwaomba kuripoti au kuthibitisha shughuli. Kisha, watumiaji wanaweza kuingiliana na msaidizi wa sauti wa AI kwa kuripoti na uthibitishaji. Kutumia multimodal ya Llama API, wathamini wa ulaghai wanaweza kupakia maelezo ya mteja na kutafuta habari muhimu kuhusu wateja wao ili kusaidia kubaini iwapo mteja anahusika katika shughuli yoyote muhimu ya uhalifu.
Wasimamizi wa utiifu waliunda kichanganuzi cha ununuzi kinachotumia akili bandia kilichoundwa ili kutambua shughuli zinazoshukiwa na kuwatahadharisha watumiaji kupitia algoriti ngumu za tathmini ya hatari. Mfumo huu hufanya kazi kwa kutuma arifa za barua pepe kwa watumiaji, na kuwaomba wahakiki na kuthibitisha ununuzi fulani. Watumiaji wanaweza kuingiliana na msaidizi anayeendeshwa na AI ili kuripoti ununuzi au kuthibitisha uhalali wake. Kwa kutumia uwezo wa hali nyingi wa Llama API, wathamini wa ulaghai wanaweza kupakia maelezo ya mteja na kutafuta habari muhimu ili kusaidia kubaini ikiwa mteja anashiriki katika shughuli zozote muhimu za uhalifu.
Kiini cha Compliance Wizards kiko katika injini yake thabiti ya AI, ambayo inaweza kuchanganua data ya muamala kwa kina na kutambua mifumo ya ulaghai inayowezekana. Injini haiwezi tu kutambua tabia za ulaghai za kawaida, lakini pia hufanya tathmini maalum za hatari kulingana na hali mahususi za hatari za mteja, hivyo kuboresha usahihi wa utambuzi wa ulaghai. Zaidi ya hayo, Compliance Wizards pia imeunganisha kipengele cha utafutaji wa habari, kuruhusu wakadiriaji wa ulaghai kukusanya haraka taarifa muhimu kuwahusu wateja wao, kama vile matangazo ya vyombo vya habari na rekodi za kisheria. Taarifa hii ya kimuktadha inaweza kuwa muhimu katika kutathmini wasifu wa hatari wa jumla wa mteja na kutambua bendera nyekundu zinazowezekana.
Msaidizi wa sauti anayeendeshwa na AI ni sehemu nyingine muhimu ya Compliance Wizards. Huwapa watumiaji njia rahisi na yenye tija ya kuripoti na kukubali muamala, hasa wanapokuwa safarini. Msaidizi wa sauti pia anaweza kujibu maswali kuhusu muamala na kutoa mwongozo kuhusu jinsi ya kutii kanuni zinazofaa.
Faida kuu ya Compliance Wizards iko katika mbinu yake ya usalama wa tabaka nyingi:
- Tathmini ya hatari ya hali ya juu: Kupitia algoriti maalum za tathmini ya hatari, inaweza kutambua tabia za ulaghai zinazowezekana kwa usahihi zaidi.
- Uchanganuzi wa muamala wa wakati halisi: Hufuatilia shughuli zote kwa wakati halisi ili kugundua haraka shughuli zinazoshukiwa.
- Ufahamu wa hali: Ina uwezo wa kuchambua taarifa za habari ili kutathmini kikamilifu hali ya hatari ya mteja.
- Uripoti rahisi: Hutoa msaidizi wa sauti ili kurahisisha mchakato wa kuripoti na uthibitisho.
Compliance Wizards si zana tu, bali ni suluhisho kamili la utiifu ambalo husaidia makampuni kupunguza hatari za ulaghai na kuzingatia kanuni zinazofaa.
Llama CCTV Operator – Zawadi ya Tatu
Timu inayoongozwa na Agajan Torayev ilijenga Opereta wa Chumba cha Udhibiti cha Llama CCTV AI, ambacho hutambua kiotomatiki matukio maalum ya video ya ufuatiliaji bila urekebishaji wowote wa mfumo. Opereta ana uwezo wa kufafanua matukio ya video kwa lugha rahisi. Kwa kutumia uelewaji wa picha wa hali nyingi wa Llama 4, mfumo hunasa na kutambua mwendo kila fremu tano ili kutathmini matukio yaliyobainishwa mapema na kuyaripoti kwa opereta.
Wazo nyuma ya Llama CCTV Operator ni kutoa akili kwa mfumo wa ufuatiliaji, kuifanya iweze kutambua kwa bidii matukio yasiyo ya kawaida badala ya kurekodi video tu. Mfumo hutumia uwezo wa Llama 4 wa uelewaji wa picha wenye nguvu, kuruhusu kuchambua milisho ya video katika muda halisi na kutambua matukio mbalimbali yaliyobainishwa mapema, kama vile shughuli zinazoshukiwa, ufikiaji usioidhinishwa, au hatari za usalama. Opereta anaweza kufafanua matukio haya kwa kutumia lugha rahisi, bila kuhitaji ujuzi wowote maalum wa kujifunza kwa mashine au maono ya kompyuta.
Mfumo hufanya kazi kwa kunasa na kuchanganua mwendo kila fremu tano, na kisha kutumia uwezo wa Llama 4 wa aina nyingi kutathmini ikiwa mwendo uliyonaswa unalingana na matukio yoyote yaliyobainishwa mapema. Ikiwa mechi itapatikana, mfumo utaripoti mara moja tukio kwa opereta, pamoja na habari muhimu ya muktadha.
Faida kuu za Llama CCTV Operator ni pamoja na:
- Hakuna haja ya kuboresha: Hakuna haja ya kufanya marekebisho yoyote kwenye mfumo, kurahisisha sana mchakato wa upelekaji na matengenezo.
- Utambuzi wa tukio maalum: Opereta anaweza kufafanua matukio maalum ya ufuatiliaji kwa kutumia lugha rahisi, ili kukidhi mahitaji maalum ya usalama.
- Uchanganuzi wa wakati halisi: Mfumo una uwezo wa kuchanganua milisho ya video katika muda halisi, ili iweze kugundua shughuli zinazoshukiwa haraka iwezekanavyo.
- Uripoti otomatiki: Mfumo utaripoti kiotomatiki matukio yaliyogunduliwa kwa opereta, hivyo kupunguza hitaji la ufuatiliaji wa mwongozo.
Geo-ML – Matumizi Bora ya Llama API
Mwanajiolojia William Davis alitumia Llama 4 Maverick na GemPy kutoa maeneo yanayowezekana ya uchimbaji, ramani za topografia, na modeli za kijiolojia za 3D za amana za madini. Geo-ML inafanya kazi kwa kuchakata kurasa 400 za ripoti za kijiolojia, kuunganisha habari katika lugha iliyoandaliwa maalum ya kijiolojia, na kisha kuitumia kutoa uwakilishi wa 3D wa jiolojia ya chini ya ardhi.
"Hii ndio mara yangu ya kwanza kutumia API ya LLM kutoa maandishi marefu sana na picha kutoka kwa karatasi za utafiti wa jiolojia, kwa hivyo nilitumia dirisha refu la muktadha wa Llama Maverick pamoja na maandishi na uwezo wa hali nyingi za picha kutoa maandishi na kuibadilisha kuwa lugha maalum ya kikoa ikitoa toleo lililobanwa la kila kilichohifadhiwa kwenye hati," Davis alisema. "Nilitumia muda wangu mwingi kusoma hati za jiolojia. Kuwa na LLM inayonifanyia kazi hiyo nyuma ya pazia itakuwa nzuri sana".
Mwanajiolojia William Davis, akitumia kwa ustadi Llama 4 Maverick na GemPy, ameanzisha mbinu mpya kabisa ya uanamitindo wa kijiolojia. Lengo la Geo-ML ni kutumia nguvu ya akili bandia kutoa taarifa iliyofichwa kutoka kwa idadi kubwa ya ripoti za kijiolojia na kuibadilisha kuwa modeli za 3D muhimu na rahisi kueleweka.
Mfumo hufanya kazi kwa kuchakata karatasi ndefu za utafiti wa kijiolojia, mara nyingi kurasa 400 au zaidi, na kuunganisha taarifa katika lugha iliyoandaliwa maalum ya kijiolojia. Lugha hii inachukua sifa, miundo na amana muhimu za kijiolojia zilizoelezewa katika ripoti. Kisha, mfumo hutumia lugha hii kutoa uwakilishi wa 3D wa jiolojia ya chini ya ardhi, kusaidia wanajiolojia kuona kwa urahisi na kuchanganua mazingira ya chini ya ardhi.
Davis mwenyewe alisisitiza umuhimu wa dirisha refu la muktadha wa Llama 4 Maverick na uwezo wa aina nyingi katika kufanya Geo-ML iwezekane. Dirisha refu la muktadha huruhusu mfumo kuchakata karatasi nzima za utafiti kwa wakati mmoja, wakati uwezo wa aina nyingi huuiwezesha kutoa maandishi na picha kutoka kwa hati.
Mapendeleo makuu ya Geo-ML yapo kwa uwezo wake:
- Uendeshaji wa otomatiki wa uanamitindo wa kijiolojia: Uendeshaji wa otomatiki wa mchakato wa uanamitindo wa kijiolojia, kupunguza muda wa uchanganuzi wa kimaandishi na nishati.
- Utoaji wa taarifa iliyo fichwa: Utoaji wa taarifa iliyo fichwa kutoka kwa idadi kubwa ya ripoti za kijiolojia, kusaidia wanajiolojia kugundua mahali panapowezekana pa uchimbaji na amana.
- Kutoa modeli za 3D: Kutoa miwakilisho ya 3D ya jiolojia ya chini ya ardhi, kusaidia wanajiolojia kuona kwa urahisi na kuchanganua mazingira ya chini ya ardhi.
- Kuharakisha utafiti wa jiolojia: Kwa kuharakisha mchakato wa uanamitindo wa kijiolojia, kuharakisha mchakato wa utafiti wa jiolojia.
Uthabitisho Maalum: Timu Concierge
Mmoja wa washindi wa mwisho, Concierge, walikuja na GPU yao wenyewe kwenye mashindano, ambayo iliwafanya wajitokeze kwenye shindano.
"Tunaamini kuwa kipengele bora cha Llama 4 Maverick ni hali yake adimu ya mchanganyiko wa wataalamu na upatikanaji wa chanzo huria, kuruhusu urekebishaji," timu ilisema. "Meta ilitoa hivi karibuni zana bora ya urekebishaji, ambayo ni zana kwenye GitHub. Kwa kutumia Llama API, tuliunganisha taarifa kutoka vyanzo vingi ili kuunda seti za data za QA na kuboresha mfumo wa Llama 4 Maverick. Tuna mpango wa kuiwasilisha kwa majaribio wazi kwa sababu kwa sasa tunakosa kisimbaji cha Llama 4, na kwa dirisha la muktadha la 1M, inatarajiwa kuwa ubaguzi".
Njia ya kipekee ya Concierge iko katika kulenga kuboresha mfumo wa Llama 4 Maverick, ili kuboresha utendaji wake kwenye kazi maalum. Timu iliamini kuwa mchanganyiko adimu wa asili ya wataalamu wa Llama 4 Maverick, pamoja na upatikanaji wake wa chanzo huria, ilifanya kuwa mgombea bora wa urekebishaji.
Ili kuboresha mfumo, timu iliunganisha data kutoka vyanzo vingi ili kuunda seti huru za data za QA. Kisha, walitumia zana ya Meta ya urekebishaji ili kutoa mafunzo kwa mfumo. Timu inapanga kuwasilisha mfumo ulioboreshwa kwa majaribio wazi ili kukadiria utendaji wake.
Tazama uwasilishaji wa mshindi wa mwisho
Unaweza kutazama uwasilishaji wa mshindi wa mwisho kwenye YouTube.
Jiunge na Llama Hackathon nyingine
Wasimamizi wanaweza kutuma ombi la kuhudhuria Llama Hackathon nyingine, ambayo itafanyika Mei 31-Juni 1, 2025 huko New York City.