أطلقت Meta AI مؤخرًا الإصدار الثالث من نموذجها اللغوي LLaMA، وهو LLaMA 3. يقدم هذا النموذج الجديد تحسينات كبيرة في الأداء والقدرات، مما يجعله خيارًا مغريًا للمطورين والباحثين العاملين في مجموعة واسعة من تطبيقات الذكاء الاصطناعي.

يتوفر LLaMA 3 في إصدارين مسبق التدريب ومضبوط التعليمات، بـ 8 مليارات و70 مليار معلمة على التوالي. تم تدريب النموذج على مجموعة بيانات مвпечатляющة تزيد عن 15 تريليون رمز، وهي سبع مرات أكبر من مجموعة البيانات المستخدمة لـ LLaMA 2. تشمل هذه البيانات التدريبية الموسعة أربعة أضعاف المزيد من الشفرة، مما يجعل LLaMA 3 متميزًا بشكل خاص في توليد الشفرة والمهام المتعلقة بالبرمجة.

تُظهر المعايير التي قدمتها Meta AI القدرات المвпечатляющة لـ LLaMA 3. يتفوق الإصدار ذو 8 مليارات معلمة على نماذج Galactica 7B و Mistral 7B Instruct الشائعة في مجموعة متنوعة من المهام، بما في ذلك التعلم القليل النماذج، والإجابة على الأسئلة، والتفكير الرياضي. كما يحافظ النموذج الأكبر ذو 70 مليار معلمة على مكانته أمام نموذج Chinchilla 1.5B القوي، خاصة في مجال توليد الشفرة.

إحدى الميزات الرئيسية لـ LLaMA 3 هي دعمها المعزز للمهام متعددة الخطوات وتحسين محاذاة الاستجابة، مما يشير إلى تركيز قوي على تطوير وكلاء الذكاء الاصطناعي الأكثر قدرة وموثوقية. بالإضافة إلى ذلك، قدمت Meta AI أدوات وعمليات جديدة لتعزيز التطوير والاستخدام المسؤول للنموذج، بما في ذلك نظام LLaMA Guard ونطاق Cyber SEC Eval.

بشكل عام، يمثل إصدار LLaMA 3 خطوة كبيرة إلى الأمام في عالم نماذج اللغة المفتوحة المصدر. بأدائه المвпечатляющ، وقدراته الموسعة، والتزامه بالتطوير المسؤول، فإن LLaMA 3 في وضع جيد ليصبح موردًا قيمًا لمجموعة واسعة من تطبيقات الذكاء الاصطناعي ومبادرات البحث.

يمثل إطلاق LLaMA 3 من قبل Meta AI علامة فارقة في عالم نماذج اللغة الكبيرة. تتميز هذه الإصدارة الأحدث من سلسلة LLaMA بتحسينات في الأداء والقدرات تميزها عن سابقاتها.

أحد أبرز النقاط البارزة هو تحسين أداء الطراز الحديث للنموذج في مجالات مثل دقة اللغة والفهم السياقي والمهام المعقدة مثل الترجمة وتوليد الحوار. مع زيادة القدرة على التوسع والأداء، يمكن لـ LLaMA 3 التعامل بسهولة مع المهام متعددة الخطوات، وذلك بفضل عمليات ما بعد التدريب المحسنة من Meta والتي تقلل بشكل كبير من معدلات الرفض الخاطئة، وتحسن محاذاة الاستجابة، وتعزز تنوع إجابات النموذج.

تم رفع قدرات النموذج بشكل كبير، خاصة في مجالات مثل الاستدلال وتوليد الشفرة والامتثال للتعليمات. ويتضح ذلك من خلال المعايير المقدمة، حيث يتفوق LLaMA 3 على كل من Geman 7B و MISTL 7B Instruct في مجموعة متنوعة من المقاييس، بما في ذلك درجة الرياضيات المвпечатляющة التي تزيد ثلاثة أضعاف عن النماذج المنافسة.

كما تم مقارنة الإصدار الكبير ذو 70 مليار معلمة من LLaMA 3 مع نموذج Chinchilla Pro 1.5 القوي، مما أظهر أداءه القوي في مجالات مثل توليد الشفرة، حيث حصل على درجة впечатляющة تبلغ 81، متفوقًا على درجة 71 لـ Chinchilla Pro و 73 لـ CLAUDE 3 Sonic.

تجعل هذه التحسينات في الأداء والقدرات من LLaMA 3 نموذجًا قادرًا ومتعدد الاستخدامات، مناسبًا لمجموعة واسعة من التطبيقات، من المهام القائمة على اللغة إلى حل المشكلات المعقدة وتوليد الشفرة. وبينما يواصل المجتمع المفتوح المصدر استكشاف وتوظيف إمكانات هذا النموذج، يبدو مستقبل تطوير الذكاء الاصطناعي واعدًا بشكل متزايد.

لقد وضع إطلاق LLaMA 3 من قبل Meta AI معيارًا جديدًا لنماذج اللغة الكبيرة. وفقًا للمعايير المقدمة، فإن الإصدار ذو 8 مليارات معلمة من LLaMA 3 يتفوق على المنافسة، بما في ذلك Geman 7B و MISTL 7B Instruct، في مجموعة متنوعة من المهام.

تشمل النقاط البارزة من المعايير ما يلي:

• MLU 5-shot: يسجل LLaMA 3 8B درجة 78.4، مقارنة بـ 53 لـ Geman 7B و 58 لـ MISTL 7B Instruct.
• GPQA Zero-shot: يسجل LLaMA 3 8B درجة 34، مقارنة بـ 21 لـ Geman 7B و 26 لـ MISTL 7B Instruct.
• درجة الرياضيات: يسجل LLaMA 3 8B درجات أعلى بكثير في المهام الرياضية، تقريبًا ثلاثة أضعاف درجات Geman 7B و MISTL 7B Instruct.
• توليد الشفرة: تبلغ درجة التقييم البشري لتوليد الشفرة 81 لـ LLaMA 3 70B، مقارنة بـ 71 لـ Geman Pro 1.5 و 73 لـ CLA 3 Sonic.

تُظهر المعايير التحسينات المвпечатляющة في الأداء والقدرات لـ LLaMA 3، خاصة في مجالات الاستدلال وتوليد الشفرة والامتثال للتعليمات. وهذا يضع LLaMA 3 في موقع قوي كنموذج لغة كبير قادر ومنافس، مقدمًا تحسينات كبيرة على الإصدارات السابقة والنماذج الحديثة للغاية.

اتخذت Meta نهجًا شاملاً لتطوير LLaMA 3 بمسؤولية، مع التركيز على الثقة والأمان. لقد قاموا بتحديث دليل الاستخدام المسؤول (RUG) لتوفير معلومات شاملة حول التطوير المسؤول باستخدام نماذج اللغة الكبيرة.

يشمل نهجهم المركز على النظام تحديثات لأدوات الثقة والأمان، بما في ذلك LLaRD (LLaMA Responsible Development) والذي تم تحسينه لدعم التصنيف المنشور من قبل ML Commons، مما يوسع نطاقه ليشمل مجموعة أكثر شمولاً من فئات السلامة.

بالإضافة إلى ذلك، قدمت Meta LLaMA Guard، وهي مجموعة من الأدوات لجعل ميزات السلامة في متناول المطورين. ويشمل ذلك Code Shield، والذي يقيّم الشفرة لممارسات الأمان، و CyberSec Eval 2، والذي يفحص الاستخدام السيئ المحتمل مثل ممارسات الشفرة غير الآمنة، ومساعدة المهاجمين السيبرانيين، وإساءة استخدام مفسر الشفرة، والقابلية للإصابة بحقن النص.

من خلال اتباع نهج استباقي وشفاف تجاه الثقة والأمان، تهدف Meta إلى تمكين التطوير المسؤول للتطبيقات باستخدام LLaMA 3، مع بناء نظام بيئي مفتوح حول النموذج.

أعلنت Meta أنها تقوم بتكامل أحدث إصدار من نموذجها اللغوي LLaMA، وهو LLaMA 3، عبر تطبيقاتها المختلفة وخدماتها. ويشمل ذلك تكامل LLaMA 3 في:

• Facebook
• Instagram
• WhatsApp
• Messenger

سيتمكن المستخدمون الآن من التفاعل مباشرة مع نموذج LLaMA 3 داخل هذه التطبيقات للحصول على معلومات في الوقت الحقيقي، والإجابة على الأسئلة، وإنجاز مهام متنوعة. يتيح التكامل للمستخدمين الاستفادة من القدرات المتقدمة لـ LLaMA 3، مثل تحسين الأداء والفهم السياقي وإكمال المهام متعددة الخطوات، دون الحاجة إلى مغادرة التطبيقات التي يستخدمونها بالفعل.

بالإضافة إلى ذلك، تقوم Meta بإتاحة LLaMA 3 في واجهة استنتاج Meta AI، مما يتيح للمطورين الوصول السهل واستخدام النموذج لتطبيقاتهم ومشاريعهم الخاصة. ويوسع هذا من إمكانية الوصول والتبني لهذا النموذج اللغوي القوي.

بشكل عام، يمثل تكامل LLaMA 3 عبر مجموعة تطبيقات وخدمات Meta خطوة كبيرة في جعل القدرات المتقدمة للذكاء الاصطناعي متاحة بسهولة للمستخدمين والمطورين على حد سواء، مما يدفع الابتكار والإنتاجية ضمن نظام Meta.

يمكن تنزيل ودراسة نماذج LLaMA 3 من خلال المستودع الرسمي على GitHub في github.com/facebookresearch/llama. يوفر هذا المستودع إمكانية الوصول إلى الشفرة وملفات النموذج، مما يتيح للمطورين الغوص في أعماق قدرات هذه الإصدارة الأحدث من سلسلة LLaMA.

يشمل المستودع الموارد الرئيسية التالية:

1. ملفات النموذج: تتوفر نماذج LLaMA 3 بحجمين - 8 مليارات و70 مليار معلمة. يمكن تنزيل هذه النماذج المدربة مسبقًا واستخدامها في مجموعة واسعة من التطبيقات.

2. الشفرة: يحتوي مستودع GitHub على الشفرة المصدرية لنماذج LLaMA 3، مما يمكّن الم