شنتشن، الصين ، 26 فبراير/شباط، 2025 / بي آر نيوزواير/ -- قامت شركة مايكرو كلاود هولوغرام (ناسداك: HOLO)، ("HOLO" أو "الشركة")، وهي شركة مزودة لخدمات التكنولوجيا، بالبحث بعمق في قوانين التوسع وتوصلت إلى اكتشافات فريدة، مما يوفر دعماً رئيسياً لتوسع النماذج الكبيرة في تكوينين مفتوحي المصدر شائعي الاستخدام: 7B و 67B.

عند معالجة العلاقة بين معلمات النموذج وحجم البيانات، اكتشف HOLO آلية موازنة جديدة تمامًا. غالبًا ما تواجه طرق التوسع التقليدية مشكلات تتعلق بعدم كفاية البيانات أو إهدار الموارد الحسابية عند زيادة معلمات النموذج، مما يؤدي إلى اختناقات في الأداء. ومع ذلك، تعمل آلية HOLO الجديدة على ضبط نسبة المعلمات إلى حجم البيانات بشكل ديناميكي بناءً على الاحتياجات المحددة للنموذج والقيود المفروضة على الموارد الحسابية. يسمح هذا للنموذج بالاستفادة الكاملة من الموارد الحسابية أثناء عملية التوسع، وتجنب اختناقات الأداء الشائعة التي نراها في الطرق التقليدية، وبالتالي تحقيق توسع فعال على مقاييس مختلفة.

ونتيجة لذلك، أجرت HOLO تحليلاً متعمقًا لقوانين التوسع وحددت سلسلة من العوامل الرئيسية التي يمكنها تحسين توسع نماذج اللغة الكبيرة. وقد كسرت هذه الاكتشافات قيود الفهم التقليدي ووفرت اتجاهات جديدة لتحقيق توسع فعال للنماذج على مقاييس مختلفة. على سبيل المثال، في معالجة العلاقة بين معلمات النموذج وحجم البيانات، كشف بحث HOLO عن آلية موازنة جديدة، مما يسمح للنماذج باستخدام الموارد الحسابية بشكل أفضل أثناء عملية التوسع وتجنب الاختناقات الشائعة في الأداء الموجودة في طرق التوسع التقليدية.

يركز مشروع Deepseek LLM، الذي يسترشد بقوانين التوسع، على التطوير الطويل الأجل لنماذج اللغة مفتوحة المصدر، ويسعى إلى بناء نظام بيئي واسع التأثير لنماذج اللغة مفتوحة المصدر من خلال الابتكار التكنولوجي والتعاون المجتمعي. لا يركز مشروع Deepseek LLM على تحسين أداء النموذج فحسب، بل يؤكد أيضًا على قابلية تفسير النموذج والأمان والتنمية المستدامة، بهدف توفير أساس موثوق لنماذج اللغة مفتوحة المصدر.

لدعم مرحلة ما قبل التدريب لبرنامج Deepseek LLM، طورت HOLO مجموعة بيانات ضخمة تغطي مجموعة واسعة من المجالات واللغات. بعد اختيارها ومعالجتها مسبقًا بعناية، توفر هذه المجموعة من البيانات للنموذج معرفة غنية وأنماط لغوية. من خلال التوسع المستمر في مجموعة البيانات، يتمكن برنامج Deepseek LLM من التكيف بشكل أفضل مع سيناريوهات التطبيق المختلفة واحتياجات المستخدم، مما يعزز قدرات التعميم والأداء للنموذج.

لقد قامت شركة HOLO بإجراء سلسلة من التحسينات والتحسينات على نموذج Deepseek LLM Base، حيث كان الضبط الدقيق الخاضع للإشراف (SFT) وتحسين التفضيلات المباشرة (DPO) من بين النهجين الفنيين الرئيسيين. من خلال SFT، يمكن للنموذج إجراء التعلم المستهدف والتعديلات لمهام محددة، مما يحسن من أدائه في تلك المهام. من ناحية أخرى، يعمل تحسين التفضيلات المباشرة على تحسين تفضيلات مخرجات النموذج بشكل مباشر، مما يجعل النتائج الناتجة أكثر توافقًا مع توقعات واحتياجات المستخدم. لقد مكّن تطبيق تقنيات التحسين هذه شركة Deepseek LLM من إظهار أداء متميز عبر اختبارات معيارية مختلفة.

إن الاختراقات التي حققتها شركة HOLO في تقنيات توسيع نماذج اللغات الكبيرة وإطلاق مشروع Deepseek LLM من شأنها أن تعزز ازدهار وتطور مجتمع المصادر المفتوحة. إن تطبيق هذه التقنيات من شأنه أن يجلب فرصًا وتحولات جديدة لمختلف الصناعات. على سبيل المثال، في مجالات مثل خدمة العملاء الذكية والكتابة الذكية والترجمة الذكية، يمكن لمشروع Deepseek LLM أن يعزز بشكل كبير كفاءة العمل وجودة الخدمة، مما يدفع التحول الرقمي وترقية الصناعات.

نبذة عن MicroCloud Hologram Inc.

تلتزم شركة MicroCloud بتقديم خدمات تقنية التصوير المجسم الرائدة لعملائها في جميع أنحاء العالم. تشمل خدمات تقنية التصوير المجسم التي تقدمها شركة MicroCloud حلول الكشف عن الضوء المجسم وتحديد المسافات بدقة عالية ("LiDAR")، استنادًا إلى تقنية التصوير المجسم، وتصميم بنية خوارزميات سحابة النقاط المجسمة الحصرية لـ LiDAR، وحلول التصوير المجسم التقنية المبتكرة، وتصميم شريحة مستشعر LiDAR المجسم وتقنية الرؤية الذكية للسيارات المجسمة لخدمة العملاء الذين يقدمون أنظمة مساعدة السائق المتقدمة المجسمة الموثوقة ("ADAS"). كما تقدم شركة MicroCloud خدمات تقنية التوأم الرقمي المجسم للعملاء وقد أنشأت مكتبة موارد تقنية التوأم الرقمي المجسم الخاصة بها. تلتقط مكتبة موارد تقنية التوأم الرقمي المجسم من شركة MicroCloud الأشكال والأشياء في شكل ثلاثي الأبعاد باستخدام مزيج من برنامج التوأم الرقمي المجسم من MicroCloud والمحتوى الرقمي وعلم البيانات القائم على البيانات المكانية وخوارزمية السحابة الرقمية المجسمة وتقنية التقاط الصور المجسمة ثلاثية الأبعاد. لمزيد من المعلومات، يرجى زيارة http://ir.mcholo.com/

بيان الملاذ الآمن

يحتوي هذا البيان الصحفي على بيانات تطلعية كما هو محدد في قانون إصلاح التقاضي في الأوراق المالية الخاصة لعام 1995. تتضمن البيانات التطلعية بيانات تتعلق بالخطط والأهداف والأهداف والاستراتيجيات والأحداث المستقبلية أو الأداء والافتراضات الأساسية والبيانات الأخرى التي تختلف عن بيانات الحقائق التاريخية. عندما تستخدم الشركة كلمات مثل "قد" و"سوف" و"تعتزم" و"يجب" و"تعتقد" و"تتوقع" و"تتوقع" و"تقدر" أو تعبيرات مماثلة لا تتعلق فقط بالمسائل التاريخية، فإنها تقدم بيانات تطلعية. لا تعد البيانات التطلعية ضمانات للأداء المستقبلي وتنطوي على مخاطر وعدم يقين قد يتسبب في اختلاف النتائج الفعلية بشكل مادي عن توقعات الشركة التي تمت مناقشتها في البيانات التطلعية. تخضع هذه البيانات لعدم اليقين والمخاطر بما في ذلك، على سبيل المثال لا الحصر، ما يلي: أهداف الشركة واستراتيجياتها؛ تطوير أعمال الشركة في المستقبل؛ الطلب على المنتجات والخدمات وقبولها؛ التغييرات في التكنولوجيا؛ الظروف الاقتصادية؛ السمعة والعلامة التجارية؛ تأثير المنافسة والأسعار؛ اللوائح الحكومية؛ التقلبات في الاقتصاد العام؛ الحالة المالية ونتائج العمليات؛ النمو المتوقع لصناعة الهولوغرافيا وظروف العمل في الصين والأسواق الدولية التي تخطط الشركة لخدمتها والافتراضات الأساسية أو المتعلقة بأي من المخاطر المذكورة أعلاه وغيرها من المخاطر الواردة في التقارير التي قدمتها الشركة إلى لجنة الأوراق المالية والبورصة ("SEC")، بما في ذلك أحدث تقرير سنوي قدمته الشركة على النموذج 10-K والتقرير الحالي على النموذج 6-K وملفاتها اللاحقة. ولهذه الأسباب، من بين أمور أخرى، يُحذر المستثمرون من الاعتماد بشكل مفرط على أي بيانات تطلعية في هذا البيان الصحفي. تمت مناقشة عوامل إضافية في ملفات الشركة لدى لجنة الأوراق المالية والبورصة، والتي تتوفر للمراجعة على www.sec.gov . لا تتعهد الشركة بأي التزام بمراجعة هذه البيانات التطلعية علنًا لتعكس الأحداث أو الظروف التي تنشأ بعد تاريخ هذا.

شاهد المحتوى الأصلي: https://www.prnewswire.com/news-releases/microcloud-hologram-inc-achieves-breakthrough-in-optimizing-scaling-methods-for-open-source-configurations-using-deepseek-llm-302386182.html

المصدر MicroCloud Hologram Inc.