العلامات الشائعة：
الافتراضية أمان DNS التحقق الرسمي تحليل قابلية الوصول أخطاء المترجم تضارب الماكرو امتدادات الويب إطار عمل تطوير كومودور 64 بياسيك 2.0 جميع العلامات

وكلاء الحلقة الداخلية: نماذج اللغات الكبيرة تستدعي الأدوات مباشرةً

2025-04-21
وكلاء الحلقة الداخلية: نماذج اللغات الكبيرة تستدعي الأدوات مباشرةً

تتطلب نماذج اللغات الكبيرة التقليدية عميلاً لتحليل تنفيذ دعوات الأدوات، لكن وكلاء الحلقة الداخلية يسمحون لنماذج اللغات الكبيرة بتحليل وتنفيذ الأدوات مباشرةً - وهو تحول في النموذج. تشرح هذه المقالة كيفية عمل وكلاء الحلقة الداخلية، وتوضح الفرق بينهم وبين نماذج اللغات الكبيرة التقليدية من خلال الرسوم البيانية. تكمن الميزة في أن نماذج اللغات الكبيرة يمكنها استدعاء الأدوات بالتزامن مع عملية تفكيرها، مما يحسّن الكفاءة. كما ناقشت المقالة دور التعلم المعزز في تدريب وكلاء الحلقة الداخلية، وأهمية بروتوكول سياق النموذج (MCP) في دعم استخدام أدوات متعددة. في النهاية، على الرغم من أن نماذج اللغات الكبيرة يمكنها استخدام الأدوات حاليًا، إلا أن تحقيق الاستخدام الأمثل للأدوات يتطلب تدريبًا متخصصًا للنماذج لتحقيق أفضل النتائج.

اقرأ المزيد
(timkellogg.me)
الذكاء الاصطناعي وكلاء الحلقة الداخلية

التعبير النمطي ليس صعبًا: إتقان المفاهيم الأساسية لمعالجة النصوص بكفاءة

2025-04-21
التعبير النمطي ليس صعبًا: إتقان المفاهيم الأساسية لمعالجة النصوص بكفاءة

تجادل هذه المقالة بأن التعابير النمطية ليست معقدة كما يعتقد الكثيرون. من خلال التركيز على المفاهيم الأساسية - مجموعات الأحرف، والتكرار، والمجموعات، وعوامل التشغيل |، ^، $ - يمكن للمرء إتقان قوة التعابير النمطية بسهولة. تشرح المقالة هذه المفاهيم الأساسية بالتفصيل وتقترح تجاهل الاختصارات الأقل استخدامًا لتجنب التعقيد غير الضروري. يشدد الكاتب على أن التعابير النمطية تسمح بمعالجة النصوص بكثير من الكفاءة باستخدام الحد الأدنى من التعليمات البرمجية، بشكل أكثر كفاءة بكثير من التعليمات البرمجية الإجرائية التقليدية.

اقرأ المزيد
(timkellogg.me)
التطوير

نموذج ذكاء اصطناعي بقيمة 6 دولارات يهز عالم نماذج اللغات الكبيرة: تقديم S1

2025-02-05
نموذج ذكاء اصطناعي بقيمة 6 دولارات يهز عالم نماذج اللغات الكبيرة: تقديم S1

تُكشف ورقة بحثية جديدة عن نموذج ذكاء اصطناعي يُدعى S1، تم تدريبه بتكلفة زهيدة بلغت 6 دولارات فقط، مع تحقيق أداء يقارب مستوى الأداء الأفضل، مع إمكانية تشغيله على جهاز كمبيوتر محمول عادي. يكمن السر في أسلوبه المبتكر في "قياس نطاق وقت الاستنتاج": من خلال إدخال أوامر "انتظر" أثناء عملية تفكير نموذج اللغة الكبير، يتم التحكم في وقت التفكير، وبالتالي تحسين الأداء. وهذا يُشبه تقنية Entropix، حيث تعمل كلتا التقنيتين على معالجة الحالات الداخلية للنموذج لتحسينه. إن اقتصاد S1 الشديد في استخدام البيانات، حيث استخدم 1000 عينة مختارة بعناية فقط، يُنتج نتائج جيدة بشكل مدهش، مما يفتح آفاقًا جديدة لأبحاث الذكاء الاصطناعي، ويُثير نقاشًا حول تقطير النماذج وحقوق الملكية الفكرية. إن التكلفة المنخفضة والكفاءة العالية لـ S1 تُشير إلى وتيرة أسرع لتطوير الذكاء الاصطناعي.

اقرأ المزيد
(timkellogg.me)
الذكاء الاصطناعي قياس نطاق وقت الاستنتاج

نموذج R1 مفتوح المصدر يهز عالم الذكاء الاصطناعي: تطوير متسارع!

2025-01-26
نموذج R1 مفتوح المصدر يهز عالم الذكاء الاصطناعي: تطوير متسارع!

تشهد بيئة الذكاء الاصطناعي طفرةً هائلةً مع ظهور نماذج جديدة. يضاهي نموذج الاستنتاج مفتوح المصدر R1 من DeepSeek أداء نموذج o1 المغلق المصدر من OpenAI، لكن بتكلفة أقل بكثير، مما أحدث صدمةً في القطاع. يُثبت R1 صحة منهجيات OpenAI o1 و o3، ويكشف عن اتجاهات جديدة: انخفاض أهمية ما قبل التدريب، وظهور قوانين تحجيم وقت الاستنتاج، وتصغير حجم النماذج، وقوانين تحجيم التعلم المعزز، وقوانين تحجيم تقطير النماذج، وكلها تُسارع من وتيرة تطوير الذكاء الاصطناعي. إن طبيعة R1 مفتوحة المصدر تُشعل المنافسة بين الولايات المتحدة والصين، وتبرز الآثار الجيوسياسية الهائلة للتقدم السريع في الذكاء الاصطناعي.

اقرأ المزيد
(timkellogg.me)
الذكاء الاصطناعي نموذج استنتاج