• تابعنا:
MASSAR

نماذج LLM مضبوطة لمجالك ولغتك وبياناتك

بيانات المؤسسة

بيانات المؤسسة

بياناتك، منظَّمة ومنظَّفة ومُهيَّأة وفق معايير ضبط التعليمات. معظم العملاء لديهم بيانات تدريب قابلة للاستخدام أكثر مما يظنون.

الضبط الدقيق و RLHF

الضبط الدقيق و RLHF

LoRA و QLoRA و DPO مع منظومات تقييم عند كل نقطة تفتيش. تحصل على نتائج رقمية لا على الانطباع الشخصي فقط من جلسات التدريب.

النشر الإنتاجي

النشر الإنتاجي

خدمة vLLM أو TGI على بنيتك التحتية. نقطة نهاية متوافقة مع API، ومراقبة التكلفة لكل رمز (token)، وقادر على العمل على خوادم خاصة.

ثلاث طبقات تقنية، نموذج واحد بجودة إنتاجية
الميزات

ثلاث طبقات تقنية، نموذج واحد بجودة إنتاجية

يُكيّف الضبط الدقيق الخاص بالمجال النموذج الأساسي مفتوح المصدر، Llama 3 أو Mistral أو Qwen، ليتلاءم مع مفردات صناعتك وتنسيق مخرجاتك وأسلوبك. نستخدم LoRA و QLoRA للتدريب الفعّال في استخدام المعاملات الذي يعمل ضمن ميزانيات GPU معقولة.

تُقيَّم كل جلسة تدريب بمقارنتها بمجموعة البيانات المرجعية التي نبنيها معك مسبقاً. تطّلع على مقاييس الدقة والاستجابة والتكلفة بعد كل نقطة تفتيش، لا مجرد انطباعات نوعية عما إذا كان الأداء يبدو أفضل.

احجز مكالمة اكتشاف

المنهجية

الضبط الدقيق دون تقييم صارم ليس سوى تخمين مكلف. نبني منظومة التقييم قبل لمس بيانات التدريب، لأنك تحتاج إلى قياس التحسن لا مجرد ملاحظة أن النموذج يبدو مختلفاً.

جودة البيانات تُحدد جودة النموذج. تحتاج معظم مجموعات البيانات المؤسسية إلى عمل تنظيم مكثف قبل أن تصبح مفيدة للتدريب. نُدقق في بياناتك أولاً ونُقدم لك صورة صادقة عما لديك وما سيُنتجه.

نُدرّب على نماذج مفتوحة المصدر باستخدام أساليب فعّالة في استخدام المعاملات مثل LoRA و QLoRA التي تعمل ضمن ميزانيات GPU متاحة. أوزان النموذج ملكٌ لك. بعد التسليم، تُشغّل النموذج على بنيتك التحتية الخاصة دون أي اعتماد على خوادمنا أو رسوم استخدام.

quote

نموذج مضبوط بدقة بحجم 7B، مُقيَّم بصرامة على مجالك، سيتفوق على GPT-4 في مهامك المحددة وبتكلفة تشغيل أقل بعشرة أضعاف على نطاق واسع.

فريق الضبط الدقيق في Massar Digital
نماذج التعاقد

طريقتان للعمل معنا

سواء كنت تتحقق من الجدوى أو تستعد للنشر الإنتاجي، نُصمم التعاقد وفق مرحلتك الفعلية.

  • تسليم أوزان النموذج المضبوط
  • منظومة التقييم ومجموعة البيانات المرجعية
  • دعم النشر على خوادم خاصة

البحث والتحقق

تحقق قبل أن تلتزم
  • تدقيق البيانات وتنظيمها
  • بناء منظومة التقييم
  • جلسة تدريب واحدة مع نقاط التفتيش
  • تسليم الأوزان والتوثيق

تسعير مخصص

ابدأ الآن

الإنتاج

من البداية إلى النشر المباشر
  • كل ما في خطة البحث والتحقق
  • إعداد نشر vLLM أو TGI
  • نقطة نهاية API ومراقبة التكاليف
  • بنية تحتية على خوادم خاصة أو سحابية
  • دعم لمدة 30 يوماً بعد الإطلاق

تسعير مخصص

ابدأ الآن
أسئلة شائعة

ما تسأله الفرق قبل الضبط الدقيق

عادةً ما يكون RAG هو الإجابة الأولى الصحيحة، إذ يُنشر بسرعة أكبر ويسهل تحديثه ويكفي لمعظم مهام الاسترجاع. يُجدي الضبط الدقيق حين تحتاج إلى: تنسيق مخرجات وأسلوب ثابت لا يستطيع النموذج الأساسي الحفاظ عليه، أو مفردات مجال لا يعرفها النموذج، أو تقليص ملحوظ في زمن الاستجابة بالتخلص من الاسترجاع، أو سلوك يتعذر تحقيقه بهندسة التعليمات وحدها.

أقل مما تظن، إن كانت عالية الجودة. لضبط اتباع التعليمات، كثيراً ما تتفوق 500 إلى 2000 مثال منتقى على 50,000 مثال رديء. نُقيّم مجموعة بياناتك في مرحلة التدقيق ونُخبرك بصدق ما إذا كانت كافية، وإن لم تكن، كيف تُولّد بيانات تدريب اصطناعية مما لديك.

نعم، مع النموذج الأساسي ومجموعة البيانات المناسبين. نعمل مع نماذج أساسية قادرة على العربية مثل Qwen وAceGPT وJais وMistral مع محوّلات LoRA العربية، وقد بنينا خطوط أنابيب تدريب عربية للمجالين القانوني والمالي. التعامل مع اللهجات تحدٍّ حقيقي نُحدده صراحةً في نطاق المشروع.

نعم. ندرّب على GPU سحابي عبر RunPod وModal وLambda Labs، ثم نُسلّم الأوزان النهائية إليك. بعد ذلك، ننشرها على بنيتك التحتية باستخدام vLLM أو Ollama. أنت تمتلك الأوزان وبيانات التدريب وبنية تحتية التشغيل، ولا شيء يغادر محيطك الآمن بعد التسليم.

عادةً من 4 إلى 8 أسابيع من تدقيق البيانات إلى نقطة النهاية الإنتاجية. تتوقف المدة على جودة مجموعة البيانات إذ البيانات النظيفة تُسرّع العملية، وعلى قدرة الحوسبة للتدريب إذ يمكن العمل بالتوازي، وعلى مدى تعقيد منظومة التقييم. نُقدم جدولاً زمنياً واقعياً في مرحلة تدقيق البيانات.

للضبط الدقيق تكلفة أولية تشمل تنظيم البيانات وحوسبة التدريب والتقييم، غير أن تكلفة الاستدلال الجارية أقل بكثير، لا سيما عند التوسع. عند تجاوز مليون رمز (token) يومياً، يُكلّف نموذج ⁦7B⁩ مضبوط بدقة على GPU خاص عادةً ما بين 5 و20 ضعفاً أقل للرمز الواحد مقارنةً بـ ⁦GPT-4o⁩. نحسب نقطة التعادل ضمن تحديد نطاق المشروع.
تواصل معنا
Banner

المستقبل يبدأ الآن. لنناقش أبعاد مشروعك القادم.

close