لقد قامت Meta للتو بإصدار طرز Llama الجديدة مفتوحة المصدر، ويُعتبر النموذج ذو المعلمات البالغة 405 مليار معلمة هو الأحدث في هذا المجال، متفوقًا على GPT-4 في معظم المعايير المرجعية. كما تم تحديث النماذج ذات 70 مليار و8 مليار معلمة إلى Llama 3.1، مع تحسينات كبيرة، خاصةً على النموذج ذي 8 مليار معلمة.

تُظهر المعايير المرجعية نتائج مبهرة، حيث حصل Llama 3.1 45B على 89 نقطة في التقييم البشري، على قدم المساواة مع GPT-4 Omni. في اختبارات أخرى مثل MathLang، فإنه يتفوق حتى على النماذج الأخرى الأحدث في هذا المجال. والقفزات في الأداء للنماذج ذات 70 مليار و8 مليار معلمة هي ملحوظة بشكل خاص، حيث شهد النموذج ذو 8 مليار معلمة تقريبًا ضعف النتائج في بعض المعايير المرجعية.

بينما تُعتبر المعايير المرجعية مهمة، فإن "فحص الإحساس" أيضًا أمر حاسم. ويُقال إن نبرة ونمط الكتابة في Llama 3.1 مشابهة لـ Lark، والتي يفضلها البعض على ChatGPT. ومع ذلك، فإن الحكم النهائي سيعتمد على التفضيلات الفردية وحالات الاستخدام.

أولاً وقبل كل شيء، دعونا نتخلص من المواصفات الأساسية. لقد أصدرت Meta ثلاثة طرز جديدة من Llama: نموذج جديد تمامًا بمعلمات تبلغ 405 مليار معلمة، وطرازي 70 مليار و8 مليار معلمة محدثان (يُسمَّيان Llama 3.1).

تم تصميم النموذج ذي 405 مليار معلمة للمنافسة مع GPT-4 والنماذج الأخرى الأحدث في هذا المجال. تتفوق هذه النماذج الكبيرة في المهام مثل البرمجة والاستدلال الرياضي والمعرفة العامة. ومع ذلك، قد تكون خارج متناول معظم المستخدمين المنزليين.

النماذج الأصغر بحجم 70 مليار و8 مليار معلمة أكثر إمكانية للوصول إليها، وخاصةً النموذج ذي 8 مليار معلمة الذي شهد تحسينات كبيرة. في المعايير المرجعية مثل التقييم البشري والرياضيات واستخدام الأدوات، يتفوق النموذج ذو 8 مليار معلمة على إصدار Llama 3 السابق.

إصدار طرز Llama 3.1 الجديدة، وخاصةً الإصدارات ذات 8 مليار و405 مليار معلمة، يفتح آفاقًا مثيرة للاهتمام للاستخدامات. إحدى القدرات الأكثر إثارة للاهتمام هي القدرة على الاستفادة من Rag (Retrieval-Augmented Generation) والتعديل الدقيق.

يسمح Rag للنموذج بتكملة نافذة السياق الخاصة به باستخدام ملفات أو مستندات خارجية. هذا يوسع معرفة النموذج وقدراته في الواقع، مما يمكنه من الاستفادة من مجموعة أوسع من مصادر المعلومات. وقد يكون هذا مفيدًا بشكل خاص للمهام التي تتطلب معرفة متعمقة أو القدرة على الرجوع إلى بيانات محددة.

من ناحية أخرى، يسمح التعديل الدقيق بتخصيص النموذج لحالة الاستخدام المحددة الخاصة بك. من خلال توفير النموذج بأزواج إدخال-إخراج ذات صلة، يمكنك إجراء تعديل دقيق له للتفوق في مهمة معينة، مثل تصنيف البيانات أو إنشاء لغة متخصصة. وقد يكون هذا أداة قوية لتكييف النموذج مع احتياجاتك الفريدة.

هناك عدة خيارات للوصول إلى استخدام طرز Llama 3.1 الجديدة، بما في ذلك خيارات مجانية ومحلية للنشر:

1. Replicate Space: هناك إصدار مجاني من طرز Llama 3.1 مستضاف على Replicate، والذي يمكن الوصول إليه واستخدامه دون أي تكلفة. سيتم توفير رابط هذا الإصدار المجاني في الوصف أدناه.

2. النشر المحلي: يمكنك تنزيل وتشغيل طرز Llama 3.1 محليًا على جهاز الكمبيوتر الخاص بك. ويمكن القيام بذلك باستخدام أدوات مثل LLM Studio، والتي توفر واجهة رسومية سهلة الاستخدام لتنزيل وتشغيل النماذج. هذا يسمح لك باستخدام النماذج بدون اتصال وبدون الاعتماد على أي خدمات خارجية.

3. الهروب من السجن: يمكن "هروب" طرز Llama 3.1 من السجن باستخدام تعليمات تزيل قيود المحتوى. هذا يسمح لك بإنشاء محتوى غير خاضع للرقابة ومحتمل الخطورة. ومع ذلك، من المهم استخدام هذه الميزة بمسؤولية وتجنب إنشاء أي شيء ضار.

إن إصدار طرز Llama 3.1 من قبل Meta قد أثار حماسًا كبيرًا في مجتمع الذكاء الاصطناعي. هذا النموذج اللغوي الأحدث في هذا المجال، مع معاييره المرجعية المبهرة، له إمكانات لتغيير مسار العديد من التطبيقات. دعونا نغوص في استكشاف قدرات هذه الأداة القوية مفتوحة المصدر.

أولاً وقبل كل شيء، إن المعايير المرجعية لـ Llama 3.1 مذهلة حقًا. يتفوق النموذج ذو 405 مليار معلمة على GPT-4 Omni في العديد من المقاييس الرئيسية، بما في ذلك التقييم البشري والرياضيات واستخدام الأدوات. في حين أن النماذج الأكبر قد لا تكون عملية للاستخدام المنزلي، فإن الإصدارات ذات 70 مليار و8 مليار معلمة تقدم أداءً مبهرًا يمكن الاستفادة منه في مجموعة واسعة من المهام.

إن طبيعة Llama 3.1 مفتوحة المصدر تفتح آفاقًا مثيرة للاهتمام. يمكن للمستخدمين إجراء تعديل دقيق على النموذج لتلبية احتياجاتهم المحددة، والاستفادة من مصادر البيانات الخارجية من خلال Retrieval Augmented Generation (RAG)، وحتى استكشاف طرق لإزالة قيود المحتوى. إن هذا المستوى من التخصيص والمرونة هو لحظة تحول، مما يمكّن المطورين والباحثين من دفع حدود ما هو ممكن مع النماذج اللغوية.

إن إصدار طرز Llama 3.1 مفتوحة المصدر من قبل Meta هو تطور كبير في مشهد الذكاء الاصطناعي، حيث يوفر نموذجًا أحدث في هذا المجال مفتوح المصدر يمكن الاستفادة منه في مجموعة متنوعة من التطبيقات.

تشمل أبرز ملامح هذه طرز Llama ما يلي:

• أداء مرجعي مبهر، غالبًا ما يطابق أو يتفوق على النماذج الرائدة الأخرى مثل GPT-4 Omni.
• تحسينات كبيرة في النماذج ذات 70 مليار و8 مليار معلمة، مع مكاسب ملحوظة في مجالات مثل التقييم البشري والرياضيات واستخدام الأدوات.
• الطبيعة مفتوحة المصدر، مما يسمح بالتعديل الدقيق والهروب من السجن والاستخدامات المتقدمة الأخرى.
• إمكانية إنشاء بيانات تركيبية وتحسين نماذج أخرى من خلال توفر النموذج ذي 405 مليار معلمة الأحدث في هذا المجال.
• إمكانية الوصول من خلال منصات مثل Replicate، مما يتيح الاستخدام المجاني والمحلي للنماذج.

إن إطلاق طرز Llama الجديدة من قبل Meta هو خطوة كبيرة إلى الأمام في عالم النماذج اللغوية الكبيرة، والنهج مفتوح المصدر الذي اتبعته Meta هو خطوة محمودة نحو نظام بيئي للذكاء الاصطناعي أكثر إمكانية للوصول إليه وتعاونًا.