Reflection AI تفتح أوزان Beam وتكشف وصفات تدريبه

فتحت شركة Reflection AI الأميركية أوزان نموذجها اللغوي Beam أمام الجميع على منصة Hugging Face، وأصدرت معها مجموعة من الموارد التقنية التي تتيح للمطورين تخصيص النموذج وتشغيله.

وكانت الشركة قد كشفت عن Beam قبل أسبوع، ويضم نحو 500 مليار معامل، ويقترب في بعض الاختبارات من أداء نماذج أكبر منه بأربع مرات، مع استهلاك أقل من طاقة الحوسبة والذاكرة. وتقول الشركة إنها دربت النموذج على مدى شهرين باستخدام عدة آلاف من وحدات معالجة الرسوميات المتقدمة.

ولمعالجة أخطاء التدريب على نطاق واسع، طوّرت Reflection AI خوارزميات موثوقية خاصة تركز على تجنّب عدم التوافق بين التدريب والاستدلال، وهو خلل يظهر عند اختلاف إعدادات مكونات بيئة التدريب. كما بنت نظاماً يصلح أخطاء جودة البيانات تلقائياً ويعيد التشغيل إلى مرحلة سابقة بدل البدء من جديد، ما مكّنها من التدريب «دون توقف فعلي للعنقود»، بحسب وصفها.

وتشمل الإصدارات المتاحة نسخة قياسية وأخرى مصغّرة بتكميم يقلل دقة التمثيل مقابل كفاءة أعلى في العتاد. وتتضمن الحزمة وصفات تدريب وقوالب كود للتخصيص وأدوات لقياس أثر التعديلات على القدرات وضوابط السلامة، إضافة إلى نموذج «مسوّد» لتسريع الاستدلال عبر فك تشفير تخميني، وإعدادات جاهزة لمحركات تقديم شائعة. وتخطط الشركة لنشر وصفات إضافية تتيح للنموذج تحسين مخرجاته عبر التقطير الذاتي خلال الأيام المقبلة.

ماذا تعني هذه المصطلحات؟

أوزان النموذج: القيم الرقمية التي تمثل ما تعلمه النموذج، ونشرها يسمح بتشغيله أو إعادة تدريبه خارج أنظمة الشركة.

التكميم (Quantization): ضغط أرقام النموذج لتخزينها بمساحة أقل، ما يخفض الذاكرة والكلفة مقابل تراجع بسيط في الدقة.

فك التشفير التخميني: أسلوب يستخدم نموذجاً صغيراً لتوليد مسودة سريعة يتحقق منها النموذج الأكبر، فيقل زمن الاستجابة.

التقطير الذاتي: تدريب النموذج على تحسين مخرجاته بالاعتماد على نسخة أفضل من إجاباته السابقة بدل بيانات خارجية فقط.