تخطّ إلى المحتوى

الخدمة

ضبط دقيق للنماذج

عندما تصل دقة أو اتساق نموذج عام الغرض إلى مستوى ثابت مع مستنداتكم ومصطلحاتكم المحددة، نجري ضبطاً دقيقاً وفق بياناتكم الخاصة، ونثبت التحسن مقابل خط أساس مقاس قبل أن يحل محل أي شيء في الإنتاج.

ما هي

الضبط الدقيق (fine-tuning) عادة هو الخطوة الأولى الخاطئة، وجزء من هذه الخدمة هو الصدق بشأن متى يكون الخطوة الصحيحة. تحل هندسة المُدخلات (prompt engineering) والاسترجاع معظم مشكلات الدقة بتكلفة أقل وعبء تشغيلي أقل. يستحق الضبط الدقيق تكلفته عندما تتطلب المهمة تنسيق مخرجات متسقاً بحجم كبير، أو مفردات متخصصة للغاية يتعامل معها نموذج عام بشكل غير موثوق، أو سلوكاً خاصاً بالمهمة، مثل نبرة معينة أو نمط استدلال لمذكرات المخاطر الداخلية، لا تستطيع هندسة المُدخلات وحدها إنتاجه بشكل موثوق.

حيثما تكون الخطوة الصحيحة، نجري الضبط الدقيق وفق بياناتكم المالية الخاصة، مثل المذكرات الداخلية، والقرارات التاريخية، ومصطلحاتكم وتنسيقات مستنداتكم المحددة، باستخدام طرق فعّالة من حيث المعاملات (parameter-efficient) لا تتطلب ميزانية حوسبة تدريب نموذج من الصفر. إعداد البيانات هو معظم العمل الفعلي: تنظيف وتصنيف وهيكلة أمثلة التدريب التي تمثل فعلاً المهمة المستهدفة، وحجز مجموعة اختبار لا يراها النموذج أبداً أثناء التدريب حتى يكون التقييم صادقاً.

يُقاس أداء كل نموذج مضبوط دقيقاً مقابل النموذج الأساسي، وحيثما كان ذلك ذا صلة، مقابل نظام الإنتاج السابق، على مجموعة التقييم المحجوزة نفسها، قبل النظر في نشره. إذا لم يكن التحسن حقيقياً وقابلاً للقياس، نقول ذلك بدلاً من إطلاق نموذج يبدو مختلفاً لكنه ليس أفضل فعلياً. تُصدَّر النماذج، وحيثما تتضمن بيانات التدريب أي معلومات حساسة، يجري التدريب نفسه داخل بنيتكم التحتية الخاصة.

ما نبنيه

الإمكانات ضمن ضبط دقيق للنماذج (Fine-Tuning)

01

تقييم ملاءمة الضبط الدقيق

قراءة صادقة لما إذا كان الضبط الدقيق فعلاً الأداة المناسبة لمشكلة الدقة لديكم، مقارنة بتحسين هندسة المُدخلات، أو الاسترجاع، أو نموذج أساسي مختلف، قبل الالتزام بميزانية للتدريب.

02

إعداد بيانات التدريب

تنظيف وتصنيف وهيكلة أمثلة خاصة، مثل مذكرات داخلية، وقرارات تاريخية، ومصطلحات قطاعية، في مجموعة بيانات تمثل المهمة المستهدفة، وهو ما يشكل معظم العمل الفعلي.

03

ضبط دقيق فعّال من حيث المعاملات

تدريب باستخدام طرق مثل LoRA تُكيّف النموذج مع مهمتكم دون تكلفة حوسبة إعادة تدريب كاملة، بما يحافظ على تناسب المشاركة مع حجم المشكلة.

04

التقييم بمجموعة محجوزة (Held-Out)

مجموعة اختبار لا يراها النموذج أبداً أثناء التدريب، تُستخدم لقياس التحسن الحقيقي بدلاً من مجرد حفظ النموذج لأمثلة تدريبه.

05

المقارنة المرجعية (Baseline Benchmarking)

يُقاس أداء كل نموذج مضبوط دقيقاً مقابل النموذج الأساسي وأي نظام إنتاج قائم على مجموعة التقييم نفسها، بحيث يُثبت التحسن لا أن يُفترض.

06

تدريب خاص وآمن

حيثما تتضمن بيانات التدريب معلومات حساسة أو غير علنية، يجري التدريب داخل بنيتكم التحتية VPC أو المحلية (on-prem)، محافظاً على حدود البيانات نفسها المطبقة في الإنتاج.

كيف نعمل

منهجية التنفيذ

01تقييم الملاءمة

التأكد من أن الضبط الدقيق هو النهج الصحيح لمشكلة الدقة أو الاتساق المحددة، بدلاً من افتراض ذلك دون فحص بدائل أرخص أولاً.

02إعداد البيانات

تنظيف وتصنيف وهيكلة أمثلة تدريب من بياناتكم الخاصة، مع حجز مجموعة اختبار لا يتدرب عليها النموذج أبداً.

03جولات الضبط الدقيق

تدريب نماذج مرشحة باستخدام طرق فعّالة من حيث المعاملات، مع التكرار على تركيبة البيانات ومعاملات التدريب.

04التقييم والمقارنة المرجعية

قياس كل مرشح مقابل النموذج الأساسي ونظام الإنتاج القائم على مجموعة التقييم المحجوزة.

05النشر وإصدار النماذج

نشر النموذج الذي يتجاوز الحد المطلوب، مع التحكم في الإصدارات والتراجع (rollback) إذا كان أداء تحديث مستقبلي أدنى من سابقه.

ما يمكن توقعه

تحسن مُقاس

يُقاس أداء كل نموذج مضبوط دقيقاً مقابل النموذج الأساسي والنظام السابق قبل النشر

3‑6 أسابيع

المدة المعتادة من إعداد البيانات حتى نموذج جاهز للنشر تم قياس أدائه

تقييم بمجموعة محجوزة

مجموعة اختبار لا يراها النموذج أبداً أثناء التدريب، بحيث لا تكون النتائج مضخمة بفعل الحفظ

مهندس يراجع نتائج تقييم الضبط الدقيقفريق يناقش نتائج المقارنة المرجعية للنموذجمحلل يقارن مخرجات النموذج بخط أساس مالي

الأسئلة الشائعة

كيف نعرف إن كنا نحتاج إلى ضبط دقيق أم مجرد هندسة مُدخلات أفضل؟

نتحقق أولاً من الخيار الأرخص. إذا حلت مُدخلات أفضل أو استرجاع محسّن مشكلة الدقة، فهذا ما سنوصي به. للضبط الدقيق تكلفة مستمرة حقيقية (إعادة التدريب مع تحسن النموذج الأساسي، وصيانة خط أنابيب التدريب) لا تستحق تحملها إلا إذا وصلت هندسة المُدخلات فعلاً إلى مستوى ثابت.

كم من البيانات نحتاج لإجراء ضبط دقيق مفيد؟

يختلف ذلك حسب المهمة، لكن الضبط الدقيق المفيد ممكن غالباً بضع مئات إلى بضعة آلاف من الأمثلة المُعدَّة جيداً، خاصة مع الطرق الفعّالة من حيث المعاملات. الحجم أقل أهمية من كون الأمثلة تمثل فعلاً المهمة والحالات الحدية التي سيواجهها النموذج في الإنتاج.

هل يمكن أن يجري التدريب دون أن تغادر بياناتنا بنيتنا التحتية؟

نعم. حيثما تكون بيانات التدريب حساسة، نجري التدريب داخل بيئتكم VPC أو المحلية (on-prem)، باستخدام حدود البيانات نفسها التي تطلبونها للاستدلال الإنتاجي.

ماذا يحدث عندما يُحدَّث النموذج الأساسي أو يُتوقف عن دعمه؟

تُصدَّر النماذج المضبوطة دقيقاً وتُربط بإصدار محدد من النموذج الأساسي. عندما يحدّث المزود النموذج الأساسي أو يوقف دعمه، نعيد إجراء الضبط الدقيق وفق الإصدار الجديد وإعادة المقارنة المرجعية قبل التبديل، بدلاً من افتراض أن التحسن سينتقل تلقائياً.

كيف تمنعون النموذج المضبوط دقيقاً من الإفراط في التخصيص (overfitting) لأمثلة تدريبنا؟

مجموعة التقييم المحجوزة هي الضمانة الرئيسية. النموذج المُفرط في التخصيص يؤدي عادة جيداً على بيانات التدريب لكن ليس على المجموعة المحجوزة، وهذا بالضبط ما صُمم هذا القياس لاكتشافه قبل النشر.

اكتشف المزيد

ذو صلة

يتكامل مع

القطاعات التي نطبق فيها هذا الحل

تواصل معنا بشأن ضبط دقيق للنماذج (Fine-Tuning)

مكالمة مدتها 30 دقيقة لتحديد شكل أول نسخة تُبنى على بياناتكم وأنظمتكم الفعلية.

احجز مكالمة تعريفية مدتها 30 دقيقة