في عالم سريع التغير، حيث يتسارع تطور الذكاء الاصطناعي، يُعتبر اكتشاف الأساليب الجديدة في البحث والتعامل مع البيانات أمرًا بالغ الأهمية. وفي هذا السياق، يسرنا أن نقدم لكم نموذجين جديدين يُعرفان باسم إيريس-ميني (Iris-mini) وإيريس-برو (Iris-pro)، واللذين تم تدريبهما على مقاييس عظيمة يصل حجمها إلى 35B-A3B و397B-A17B، مما يُعكس تمكنهما من معالجة بيانات ضخمة بجودة عالية.

تستند آلية عمل هذين النموذجين إلى هيكل روابط الهيبرلينك الموجود في مجموعة بيانات واسعة من الويب، حيث يتم إعادة تشكيل المهام بطريقة مبتكرة من خلال إنشاء سلاسل متعددة الحلقات على رسم بياني كائنات (entity graph) مُستخلص من صفحة أساسية وروابطها الخارجية.

إحدى تقنيات التدريب الرئيسية المستخدمة هي إعادة كتابة كل كائن غير جاوب إلى مرجع وصفي، مما يمنع أي تطابق بسيط للنصوص، ويقبل فقط الأسئلة التي يفشل نموذج مرجعي في الإجابة عنها دون توفر أدلة داعمة.

الأسئلة المُعالجة تُحول إلى مسارات (trajectories)، ويتم تصفيتها بدقة قبل وبعد عملية النقل التعزيزية (SFT). تم تحسين السياسة لهذا النموذج باستخدام التعلم المعزز (RL) ضد عمليات البحث الحية، مما يزيد من فعالية النتائج المعروضة.

وتم التحقق من نتائج الاختبارات التي أجريت على أكثر من 14 مقياس لمقارنة الأداء، ليبرز النموذجان إيريس-ميني وإيريس-برو بقوة، حيث حققا أعلى النتائج بين محركات البحث مفتوحة المصدر في نطاق معاييرهم.

وفقًا للخطط المستقبلية، سيتم إصدار أوزان النماذج جنبًا إلى جنب مع الوصفة الكاملة لإنشاء البيانات، والتدريب، والتقييم، مما يمهد الطريق لمستقبل أكثر إشراقًا في مجال البحث التقني.

لا تفوتوا هذه الفرصة لمواكبة أحدث التطورات في نموذج إيريس، وشاركونا آراءكم حول ما يمكن أن يقدمه هذا الابتكار في تحسين تجربة البحث لديكم!