إصدار Mistral 7B الأحدث، الإصدار 3، يجلب تغييرات وتحسينات كبيرة. على عكس الإصدارات السابقة، تم إصدار هذا النموذج مباشرة على Hugging Face، مما يجعله أكثر إتاحة. على الرغم من أن الأداء من المتوقع أن يكون مماثلاً لنموذج Mistral 7B، هناك بعض التحديثات البارزة.

أهم التغييرات هي أن هذا النموذج غير محجوب تماماً، مع زيادة في المفردات بعدة مئات من الرموز. هذا التوسع مرتبط بقدرته على دعم نداء الوظائف بشكل أصلي، وهي ميزة جديدة تم إدخالها في هذا الإصدار. بالإضافة إلى ذلك، تم تحديث المرمز لاستيعاب هذه التغييرات.

يحافظ النموذج على نفس نافذة السياق البالغة 32,000 رمز، وتم تحديث حزمة Mistral Inference Python لتمكين الاستنتاج السلس على هذا النموذج. توفر هذه الحزمة طريقة بسيطة لتثبيت وتنزيل وتشغيل النموذج، كما هو موضح في دفتر البرامج Python المقدم.

طبيعة النموذج غير المحجوبة تسمح له بتوليد استجابات على مجموعة واسعة من المواضيع، بما في ذلك المواضيع المحتملة الحساسة أو المثيرة للجدل. ومع ذلك، فهو يتضمن إشعارات تحذيرية مناسبة لضمان عدم إساءة استخدام المعلومات لأي أنشطة غير قانونية.

أداء النموذج في مهام مختلفة، مثل الإجابة على أسئلة منطقية، يُظهر قدراته المвпечатляющة. كما أنه يُظهر قدرات برمجية قوية، بما في ذلك القدرة على توليد رمز HTML والتكامل مع الأدوات الخارجية من خلال ميزة نداء الوظائف.

بشكل عام، يمثل نموذج Mistral v3 خطوة كبيرة إلى الأمام، حيث يتيح للمستخدمين الوصول إلى نموذج لغة قوي وغير محجوب مع وظائف محسنة. تمتد تطبيقاته المحتملة إلى مجموعة واسعة من المجالات، ويُشجع على استكشاف قدراته بشكل أكبر.

للبدء باستخدام أحدث نموذج Mistral 7B v3، سنمر خلال عملية التثبيت والإعداد خطوة بخطوة:

1. تثبيت حزمة Mistral Inference: الطريقة الموصى بها لتشغيل الاستنتاج على نموذج Mistral 7B v3 هي باستخدام حزمة Mistral Inference Python. يمكنك تثبيتها باستخدام pip:

   pip install mistral-inference
   

2. تنزيل النموذج: سنحدد المسار الذي نريد تنزيل النموذج فيه وسنتحقق مما إذا كان الدليل موجودًا. إذا لم يكن كذلك، فسنقوم بإنشائه. ثم سنستخدم وظيفة snapshot_download من Hugging Face Hub لتنزيل ملفات النموذج:

   model_path = 'path/to/mistral-7b-v3'
   if not os.path.exists(model_path):
       os.makedirs(model_path)
   
   model_repo_id = 'mosaicml/mistral-7b-v3'
   model = snapshot_download(model_repo_id, cache_dir=model_path)
   

   سيؤدي هذا إلى تنزيل ملفات النموذج إلى الدليل المحدد، وقد يستغرق ذلك بضع دقائق اعتمادًا على سرعة اتصالك بالإنترنت.

3. تشغيل الاستنتاج في CLI: يمكنك استخدام الأمر mral chat لتشغيل النموذج في واجهة السطر (CLI). سيسمح لك هذا بتقديم طلب وتوليد استجابة:

   mral chat path/to/mistral-7b-v3 --instruct --max_new_tokens 256
   

   عند المطالبة، أدخل رسالة، وسيقوم النموذج بتوليد استجابة.

4. استخدام النموذج في Python: في شفرة Python الخاصة بك، يمكنك استخدام حزمة Mistral Inference لتحميل النموذج وتوليد استجابات برمجيًا:

   from mistral_inference import Transformer, ChatCompletionRequest
   
   model = Transformer.from_pretrained(model_path)
   tokenizer = Transformer.from_pretrained(model_path, subfolder='tokenizer')
   
   def generate_response(model, tokenizer, user_query):
       chat_request = ChatCompletionRequest(user_query)
       output_tokens = model.generate(chat_request.input_ids, max_new_tokens=1024, eos_token_id=tokenizer.eos_token_id)
       output_text = tokenizer.decode(output_tokens[0], skip_special_tokens=True)
       return output_text
   
   user_query = "Hello, how are you?"
   response = generate_response(model, tokenizer, user_query)
   print(response)
   

هذا يغطي الخطوات الأساسية للبدء باستخدام نموذج Mistral 7B v3. الآن يمكنك استكشاف قدرات النموذج، واختباره بمختلف الطلبات، وحتى ضبط ضبطه على بياناتك الخاصة في الخطوات اللاحقة.

إصدار Mistral 7B الأحدث، الإصدار 3، يجلب عدة تغييرات ملحوظة. على عكس الإصدارات السابقة، تم إصدار هذا النموذج مباشرة على Hugging Face، بدلاً من مجرد توفير روابط مغناطيسية. على الرغم من أن الأداء من المتوقع أن يكون مماثلاً لنموذج Mistral 7B، هناك بعض التحديثات البارزة.

النموذج الآن غير محجوب تمامًا، مع زيادة في المفردات بعدة مئات من الرموز الإضافية. هذا التوسع مرتبط بتحسن قدرته على إجراء نداء الوظائف، والتي يتم الآن دعمها بشكل أصلي. تم أيضًا تحديث المرمز لاستيعاب هذه التغييرات.

للبدء باستخدام نموذج Mistral 7B v3 الجديد، سنمر خلال تثبيت حزمة Mistral Inference Python، وتنزيل النموذج، وتشغيل الاستعلامات الأولية. سنستكشف قدرات النموذج، بما في ذلك قدرته على توليد استجابات لمختلف الطلبات، والتعامل مع المواضيع الحساسة، وإظهار مهاراته في التفكير المنطقي.

إحدى الميزات الأكثر إثارة للإعجاب في هذا النموذج هي قدرته المضافة على نداء الوظائف. سنغوص في مثال على كيفية استخدام النموذج لأداة "الحصول على الطقس الحالي" المخصصة لتوفير معلومات عن الطقس لموقع معين، مما يُظهر مرونته في دمج الوظائف الخارجية.

بشكل عام، يُمثل نموذج Mistral 7B v3 تطورًا مثيرًا في عالم نماذج اللغة الكبيرة، مع قدراته المتوسعة والإمكانات المحتملة للمزيد من الضبط الدقيق والتكامل مع مختلف التطبيقات.

إصدار Mistral 7B الأحدث، الإصدار 3، يقدم تقدمًا كبيرًا - القدرة على دعم نداء الوظائف بشكل أصلي. تسمح هذه الميزة للنموذج باستخدام الأدوات والواجهات البرمجية الخارجية لتعزيز قدراته، متجاوزًا قيود نموذج اللغة التقليدي.

أحد أبرز نقاط التركيز في Mistral v3 هو مفرداته الموسعة، والتي تشمل الآن عدة مئات من الرموز الإضافية. يرتبط هذا التوسع مباشرة بوظيفة نداء الوظائف في النموذج، مما يمكنه من التكامل واستخدام الموارد الخارجية بسلاسة.

لتوضيح هذه القدرة، سنمر من خلال مثال حيث يُطلب من النموذج استرداد الطقس الحالي لموقع محدد. يتم تزويد النموذج بقائمة من الأدوات المتاحة، بما في ذلك وظيفة "get_current_weather" التي تأخذ الموقع ووحدة درجة الحرارة كمعلمات إدخال.

عند الإجابة على استفسار مثل "ما هو طقس اليوم في باريس؟", يتعرف النموذج على الحاجة إلى استخدام الأداة الخارجية ويوِّلد نداء الوظيفة المناسب. يحدد بشكل صحيح باريس كموقع ويحدد أن درجة الحرارة بالسيلزية هي الوحدة المناسبة بناءً على السياق.

وبالمثل، عندما يتغير الاستفسار إلى "ما هو طقس اليوم في سان فرانسيسكو؟", يتكيف النموذج ويوِّلد نداء الوظيفة مع الموقع والوحدة الحرارية الصحيحة.

يمتد آلية نداء الوظائف هذه إلى ما هو أبعد من استفسارات الطقس البسيطة. يمكن للنموذج أيضًا التعامل مع المهام الأكثر تعقيدًا، مثل إجراء الحسابات الرياضية أو الوصول إلى أنواع أخرى من البيانات والخدمات.

يمثل دمج نداء الوظائف خطوة كبيرة إلى الأمام في قدرات نماذج اللغة الكبيرة. من خلال التحرر من قيود قاعدة المعرفة المغلقة، يمكن لـ Mistral v3 الاستفادة ديناميكيًا من الموارد الخارجية لتقديم استجابات أكثر شمولاً وتخصيصًا لاستفسارات المستخدمين.

أثناء استكشاف إمكانات نداء الوظائف المتقدمة في Mistral v3 بالكامل، يمكننا توقع ظهور المزيد من التطبيقات والاستخدامات المبتكرة، مما يدفع حدود ما هو ممكن مع نماذج اللغة الحديثة.

إن إصدار نموذج Mistral 7B الإصدار 3 بواسطة فريق MRO هو تطور مهم في عالم نماذج اللغة الكبيرة. يتميز هذا النموذج غير المحجوب بعدة تغييرات ملحوظة، بما في ذلك زيادة في المفردات ودعم أصلي لنداء الوظائف وتحديث المرمز.

أحد أبرز نقاط التركيز في هذا النموذج هو قدرته على المشاركة في نداء الوظائف، مما يسمح له باستخدام الأدوات والموارد الخارجية لتعزيز قدراته. يوضح المثال المعروض في النص المنقول كيف يمكن للنموذج استخدام وظيفة "الحصول على الطقس الحالي" لتو