النماذج المفتوحة وواجهات API لدى المزوّدين
نُجري الضبط الدقيق للنماذج المفتوحة مثل Llama و Mistral على بنية تحتية تتحكم بها، ولنماذج المزوّدين عبر واجهات API الخاصة بالضبط الدقيق لديهم حيثما يسمح المزوّد بذلك.
لا ترى مجالك؟ لنبدأ بمحادثة.
تحدّث إلى خبير ذكاء اصطناعيCrunch-IS بالأرقام
عندما لا تكفي الموجّهات (prompts) و RAG لجعل نموذجك يجيب بالصيغة أو النبرة أو المصطلحات التي يحتاجها منتجك، تقدّم Crunch-IS خدمات الضبط الدقيق (fine-tuning) لنماذج LLM على بياناتك. نتحقق أولًا مما إذا كان الضبط الدقيق يستحق العناء، ونقيس أداء النموذج على حالاتك الفعلية قبله وبعده، ونتركه في بنيتك التحتية.
يلتزم النموذج ببنيتك ونبرتك ومفرداتك دون تعليمات طويلة في كل موجّه.
يجري التدريب والتشغيل حيث يسمح فريق الأمن لديك، فلا تذهب البيانات الحساسة إلى واجهة API خارجية.
لم يعد السلوك الذي تعلّمه النموذج بحاجة إلى شرح مفصّل في كل طلب، ويمكن لنموذج أصغر أن يتولى المهام المحددة.
تُقارَن كل جولة تدريب بالنموذج الأساسي على الحالات نفسها، فتعرف ما الذي غيّره استثمارك.
إليك ما يحدث بعد إرسال الاستمارة.
أخبرنا بما يفعله نموذجك اليوم، وأين تقصر إجاباته، وما البيانات المتوفرة لديك.
نختبر إعدادك الحالي على حالات فعلية ونوصي بالنهج المناسب، مع نطاق مكتوب وسعر.
نبني مجموعة التدريب من أمثلتك، ويراجع خبيرك الحالات التي تحدد ما هي الإجابة الجيدة.
نُجري الضبط الدقيق للنموذج ونتتبّع كل جولة، بحيث يمكن إرجاع كل نسخة إلى بياناتها وإعداداتها.
نقارن النموذج المضبوط بالنموذج الأساسي على مجموعة الاختبار نفسها ونشاركك النتائج.
ننشر النموذج في بنيتك التحتية ونسلّم البيانات والشيفرة والوثائق إلى فريقك.
كثير من المشكلات التي تبدو حالةً تستدعي الضبط الدقيق يكون حلّها أقل تكلفة بموجّهات أفضل أو باسترجاع أفضل. نختبر إعدادك الحالي على حالاتك الفعلية ونخبرك بالنهج المناسب: تعديل الموجّهات، أو RAG، أو الضبط الدقيق، أو مزيج منها. وإذا كان الضبط الدقيق هو الحل، يحدد التقييم الهدف والبيانات اللازمة والسعر.
يتعلّم النموذج المضبوط كل ما تعلّمه إياه أمثلته، بما في ذلك أخطاؤها. نجمع الأمثلة من مستنداتك وتذاكر الدعم ومخرجاتك السابقة، وننظّفها ونزيل المكرر منها، ثم يراجع خبير المجال لديك الأمثلة التي تحدد ما هي الإجابة الجيدة. وتحتفظ بمجموعة البيانات لكل جولة تدريب لاحقة.
ندرّب النموذج على أزواج من المدخلات والمخرجات التي تريدها، فيتعلّم صيغتك ونبرتك ومصطلحاتك بدلًا من تذكيره بها في كل موجّه. هذه نقطة البداية المعتادة عندما يعرف النموذج الموضوع لكنه يجيب بالشكل الخطأ.
يمكن للضبط الدقيق أن يحدّث النموذج بالكامل، أو أن يدرّب فقط مُحوِّل LoRA صغيرًا فوقه. تخفّض LoRA تكلفة الحوسبة اللازمة للتدريب، وتتيح لك الاحتفاظ بعدة نسخ متخصصة من نموذج أساسي واحد. نستخدمها عندما تحتاج إلى نموذج لكل مهمة أو لكل عميل أو لكل لغة دون تشغيل نموذج كبير منفصل لكل منها.
عندما تكون الإجابة الصحيحة مسألة تقدير لا مسألة صيغة، ندرّب النموذج على تفضيلات خبرائك بين الإجابات. هكذا يتعلّم النموذج ما كان سيوافق عليه أفضل مراجِع لديك.
من خلال خدمات تقييم LLM التي نقدمها، نشغّل مجموعة الاختبار نفسها على النموذج الأساسي وعلى النموذج المضبوط، فترى ما الذي تحسّن وتكتشف أي مهارة فقدها النموذج أثناء التدريب قبل إطلاق أي شيء. تأتي مجموعة الاختبار من حالاتك الفعلية وتبقى في مستودعك، لذا عندما يصدر نموذج أساسي جديد، تُظهر الاختبارات نفسها ما إذا كانت إعادة التدريب عليه تستحق العناء.
نُجري الضبط الدقيق للنماذج المفتوحة مثل Llama و Mistral على بنية تحتية تتحكم بها، ولنماذج المزوّدين عبر واجهات API الخاصة بالضبط الدقيق لديهم حيثما يسمح المزوّد بذلك.
ننفّذ الوسم ومراجعة الخبراء في Argilla، بحيث يكون لكل مثال تدريبي مصدر واضح ومراجِع محدد، كما في منصة نشر في قطاع تقنيات التعليم.
نتتبّع جولات التدريب والموجّهات والمخرجات في LangSmith، بحيث يمكن إرجاع كل نسخة من النموذج إلى بياناتها وإعداداتها.
نبني مجموعات اختبار ما قبل الضبط وما بعده في Promptfoo أو في الإطار الذي يستخدمه فريقك بالفعل، مع حفظ حالات الاختبار كشيفرة برمجية في مستودعك.
ننشر النموذج المضبوط مع إدارة الإصدارات وإمكانية التراجع، ثم نراقب إجاباته في بيئة الإنتاج من خلال ممارسة LLMOps نفسها التي نطبّقها على أنظمة الذكاء الاصطناعي الأخرى لدينا.
عندما تُنفَّذ مهمة واحدة بحجم كبير، يمكن لنموذج أصغر مضبوط بدقة أن يحل محل نموذج عام كبير بتكلفة وزمن استجابة أقل. نختبر هذه المفاضلة على حالاتك قبل أن نوصي بها.
نتفق كتابيًا على المهمة التي ندرّب النموذج عليها، والبيانات التي نستخدمها، والنتيجة التي تُعدّ نجاحًا، قبل أن يبدأ التدريب.
مجموعة البيانات المنظّفة والمُراجَعة ملكٌ لك، وهي موثّقة بحيث يستطيع فريقك توسيعها وإعادة التدريب دون الحاجة إلينا.
تبقى الأوزان وشيفرة التدريب والإعدادات في بنيتك التحتية، دون أي ترخيص أو اعتماد علينا.
تحصل على نتائج ما قبل الضبط وما بعده على حالاتك الخاصة، فيستند قرار الإطلاق إلى أدلة.
بصفتنا شركة متخصصة في الضبط الدقيق لنماذج LLM تبني أيضًا أنظمة RAG، لا نكسب شيئًا من بيع تدريب لا تحتاج إليه. إذا كانت موجّهات أفضل أو استرجاع أفضل يحلّان المشكلة، نقول لك ذلك قبل أن يبدأ أي تدريب.
لا تقول المعايير المرجعية العامة الكثير عن مهمتك. نحكم على كل نموذج بمدى تعامله مع حالاتك الخاصة ومع الإجابات التي يقبلها خبيرك.
كل ما نبنيه يبقى في بيئتك ويعود إليك: البيانات والأوزان والشيفرة والاختبارات. وهذا يتبع القاعدة التي تحكم كل أعمالنا: العملاء يملكون ما نبنيه.
يقدمون الكثير من والأفكار أفكارًا لأفضل الممارسات القابلة للتطوير، والتي تمكّننا من تحقيق ما لدينا الآن.

كان Crunch-IS رائعًا في توجيهنا نحو الشكل الذي يجب أن يكون عليه العمل الجيد وتحويل أفكارنا إلى واقع من أجل التقييم والمراجعة.

ما أثار إعجابي في Crunch-IS هو جودة المطورين. إنها ببساطة أفضل بكثير مما رأيناه في أي شركة أخرى حاولنا العمل معها.

لقد أعجبنا أدائهم، وكيفية مشاركتهم في تطوير المنتج، ومدى اهتمامهم بالمنتج.

لقد كانت تجربة ممتعة للغاية. كان كل شيء رائعًا فيما يتعلق بـ التواصل، والعمل.

لقد كانت شراكتنا مع Crunch-IS مورداً لا يقدر بثمن خلال مسيرتنا نحو التوسع.

ما لاحظته في Crunch-IS هو الكفاءة الفنية، والقدرة على التفكير خارج الصندوق، وإجادة اللغة الإنجليزية بشكل جيد جدًّا.

لقد كان لها تأثير كبير على البنية الكلية التي توصلنا إليها في النهاية. وبشكل عام، كنت سعيدًا ومتأثرًا بكل ما قامت به شركة Crunch-IS من أجلنا.

أثارت شركة Crunch-IS إعجابنا بـتميزها التقني، وبـ«التقاء العقول والثقافات» بامتياز، فضلاً عن التبادلات الصريحة والصادقة. لم يكن هذا قرارًا اتخذناه باستخفاف، وبعد مرور 5 أشهر على بدء التعاون، ما زلنا معجبين حقًّا بالطريقة التي تتعامل بها Crunch-IS مع هذا التعاون، ونحن سعداء جدًّا بمستوى كفاءة الفريق الذي يعمل معنا.

كان العمل مع Crunch-IS سهلاً. فقد أبدوا صبراً معنا أثناء مناقشة بنود العقد، كما أبدوا صبراً مرة أخرى أثناء إعداد نظام الفوترة الخاص بنا. وكان تصميم الموقع أنيقاً، كما قام المطور بتسليم التطبيق الذي تعاقدنا عليه في الموعد المحدد وبجودة عالية.

كان فريق العمل في شركة Crunch-IS لطيفاً للغاية. لقد عملوا بجد وكانوا محترفين للغاية. وعندما كانت تطرأ أسئلة أو مشاكل تقنية، كانوا يجيبون عليها بسرعة وكانوا دائماً مستعدين ولطفاء لمساعدتنا.

ساعدنا مطور Crunch-IS في تقديم ميزة مهمة لمشروعنا بشكل أسرع بكثير من المتوقع.

سهّلت شركة Crunch-IS جهدًا تعاونيًا سلسًا وسلسًا طوال فترة المشروع. حافظ الفريق على خطوط اتصال مفتوحة، واحتفظوا بسجلات مفصلة لمهام المهام، والتزموا بالجداول الزمنية للمشروع. إن خبرتهم فيما يتعلق بكل من التصميم والتطوير هي ما يميز الشركة.

توفر شركة Crunch-IS دعم تطوير مستمر يلبي متطلبات المشروع حسب الحاجة. وعلى الرغم من موقعها في الخارج، إلا أنه يسهل العمل معها ويمكن الوصول إليها من خلال قنوات الاتصال

أفضل بائع يمكن أن نجده. يمزج Crunch-IS بين التطوير العملي ومبادئ التصميم المبتكرة. كانت التعليقات الداخلية والخارجية على تطوير التطبيق إيجابية. يكملون مراحل المشروع حسب الجدول الزمني المخطط له ويسلمون في حدود الميزانية. الفريق متجاوب ومستعد للدخول في حوار مثمر.

تجاوزت Crunch-IS توقعاتي. أقدر سعة حيلة المطورين في مواجهة القيود والمتطلبات المعقدة. تمكنت الشركة من تسليم المشروع وإتمامه بنجاح.

سار المشروع بسلاسة حتى الآن. تتمتع شركة Crunch-IS بأخلاقيات عمل استثنائية. وبالتالي، فقد تمكنوا من مواجهة كل التحديات التي تعترض طريقهم. فهم يديرون العمل اليومي من تلقاء أنفسهم بشكل جيد، ولكنهم يتواصلون معنا بانتظام للتأكد من أننا على وفاق.

التطبيق الذي عملت عليه Crunch-IS نظيف ومبسط ويعمل على النحو المنشود. تبذل شركة Crunch-IS قصارى جهدها لضمان انسجام الفريقين. لقد صاغ الفريق المتحمس تجربة ممتعة من خلال سلوكهم الإيجابي ومهاراتهم الفعالة في إدارة المشروع. كان الفريق ودودًا للغاية، وكان العمل معهم ممتعًا.

يعتمد الاختيار بين RAG والضبط الدقيق على ما ينقص النموذج. استخدم RAG عندما يحتاج النموذج إلى حقائق تتغير كثيرًا أو توجد في مستنداتك، لأنه يسترجعها لحظة الإجابة. واستخدم الضبط الدقيق عندما يعرف النموذج ما يكفي لكنه يجيب بصيغة أو نبرة أو مصطلحات خاطئة، أو عندما يجب أن تعمل مهمة محددة بتكلفة أقل وسرعة أعلى. تجمع منتجات كثيرة بين الاثنين، ويُظهر تقييم الجاهزية المزيج المناسب لمنتجك.
النماذج المفتوحة مثل Llama و Mistral التي يمكنك استضافتها بنفسك، ونماذج المزوّدين الذين يتيحون واجهة API للضبط الدقيق. بعض النماذج التجارية لا يمكن إجراء الضبط الدقيق لها على الإطلاق؛ وفي هذه الحالة نعمل بدلًا من ذلك على الموجّهات أو الاسترجاع أو نموذج مفتوح.
يعتمد ذلك على المهمة. يمكن غالبًا تعليم صيغة أو نبرة بمجموعة متواضعة من الأمثلة الجيدة، بينما يتطلب تعليم التقدير بيانات أكثر ومراجعة من الخبراء. نتحقق مما لديك خلال التقييم ونخبرك ما إذا كان كافيًا قبل أن يبدأ التدريب.
نُجري التدريب داخل حسابك السحابي أو على بنية تحتية توافق عليها، مع حصر الوصول في المهندسين العاملين على المشروع. لا تذهب بيانات التدريب إلى خدمة طرف ثالث دون موافقتك.
أنت. الأوزان وبيانات التدريب والشيفرة ومجموعة التقييم ملكٌ لك وتبقى في بنيتك التحتية. وإذا أجريت الضبط الدقيق لنموذج أحد المزوّدين عبر واجهة API الخاصة به، فإن شروط المزوّد هي التي تحدد مكان تشغيل ذلك النموذج، ونشرح لك هذه المفاضلة قبل أن تختار.
يعلّم الضبط الدقيق الخاضع للإشراف النموذجَ من أمثلة على الإجابات الصحيحة. أما RLHF فيعلّمه من تفضيلات الأشخاص بين الإجابات، وهو ما يناسب المهام التي تكون فيها الجودة مسألة تقدير. RLHF هو أحد أشكال الضبط الدقيق، وعادةً ما يأتي بعد الضبط الدقيق الخاضع للإشراف لا بديلًا عنه.
نحدد سعر كل مشروع بعد تقييم الجاهزية، لأن العمل يعتمد على المهمة والنموذج وحجم البيانات التي تحتاج إلى إعداد. تتسلّم نطاقًا مكتوبًا والسعر قبل أن يبدأ التدريب.
أحضر بعض الإجابات التي يخطئ فيها نموذجك إلى مكالمة تقييم مجانية، وسنريك أسرع طريقة لإصلاحها.



أرسل لنا مخططاً أولياً أو مواصفات أو ثلاث جمل عن النقطة التي توقف عندها النظام. عادةً ما تكفي محادثة واحدة لمعرفة ما إذا كنا مناسبين لك.
البرمجيات المخصصة، والذكاء الاصطناعي والتعلم الآلي، والبيانات والتحليلات، والحوسبة السحابية، والأمن — من تحديد النطاق المبكر وحتى التسليم على المدى الطويل.
خصوصيتك تهمنا. نستخدم ملفات تعريف الارتباط لتحسين تجربتك وتخصيص المحتوى.