كيف تبني خط معالجة مستقرًا على مجموعة بيانات Fable 5 Traces في Google Colab

ظهرت مجموعة بيانات Fable 5 Traces على Hugging Face، وجذبت اهتمام الباحثين بالفعل: فهي تحتفظ بسجلات تتبّع حقيقية لجلسات وكيلية لنموذج Claude Fable 5، وهو نموذج من Anthropic مُهيّأ للعمل مع الأدوات. ونشر موقع MarkTechPost دليلًا تفصيليًا حول كيفية بناء خط معالجة مستقر حولها في Google Colab.

ما هي Fable 5 Traces

يُعدّ Fable 5 أحد أحدث نماذج عائلة Claude، وهو متخصص في المهام الوكيلية. وترصد مجموعة سجلات التتبّع كيف يفكّر النموذج عند استدعاء الدوال: طلبات الأدوات، ومعاملاتها، والنتائج المُعادة، وسلاسل الاستدلال (chain-of-thought). ويمثّل كل سجل في ملف JSONL جلسة كاملة، من موجّه النظام إلى الإجابة النهائية. والبنية متداخلة وغير متجانسة، إذ قد تحتوي سجلات التتبّع المختلفة على حقول مختلفة، وهذا هو التحدي التقني الرئيسي عند التعامل مع المجموعة.

• موجّه النظام وطلب المستخدم
• قائمة باستدعاءات الأدوات مع معاملاتها ونتائجها
• استدلالات CoT للنموذج (إذا كانت مفعّلة)
• الإجابة النهائية للمستخدم

كيف يُبنى خط المعالجة في Colab

تخلّى مؤلفو الدليل عمدًا عن المكتبات عالية المستوى، ومنها مكتبة `datasets` من Hugging Face، واعتمدوا بدلًا منها التحليل اليدوي عبر وحدة `json` القياسية في Python. والمنطق بسيط: يحدّث Colab إصدارات المكتبات بانتظام، والشيفرة المرتبطة بإصدارات محددة من `datasets` أو `transformers` قد تتعطل بسهولة ودون إنذار. أما التحليل اليدوي لملفات JSONL فيصمد أمام مثل هذه المفاجآت.

يمر خط المعالجة بعدة مراحل. تبدأ بالفحص: استعراض بنية ملفات المستودع، والتحقق من عدد السجلات، ورصد الحالات الشاذة. ثم تأتي مرحلة التوحيد، أي تحويل استدعاءات الأدوات من سجلات التتبّع المختلفة إلى مخطط موحّد، بحيث يمكن التعامل معها برمجيًا.

وثمة خطوة مستقلة هي فحص البيانات بحثًا عن الأسرار. فكثيرًا ما تحتوي سجلات الجلسات الوكيلية على مفاتيح API أو رموز وصول (tokens) أو بيانات حساسة أخرى وصلت إلى السياق عبر الأدوات. ويوضح الدليل كيفية اكتشاف هذه المقاطع وتنقيحها تلقائيًا قبل استخدام المجموعة في التدريب.

وبعد التنظيف، يُنشئ خط المعالجة تصورات بيانية: توزيع أنواع استدعاءات الأدوات، وأطوال الجلسات، وتكرار دوال بعينها. وتساعد هذه الرسوم على تقييم جودة البيانات وتوازنها بسرعة.

مصنّف أساسي بدلًا من الشبكة العصبية

الجزء الأخير من الدليل مخصص للتصدير والتدريب. يُعدّ المؤلفون نسختين من المجموعة: كاملة (مع استدلالات CoT) ومبسّطة بلا CoT (طلبات وإجابات فقط دون سلاسل التفكير). والنسخة الثانية أكثر أمانًا للضبط الدقيق (fine-tuning)، لأن استدلالات CoT قد تحتوي على عناصر داخلية لا تصلح لتدريب نماذج خارجية.

وعلى البيانات المُعدّة يُدرَّب مصنّف بايز الساذج (Naive Bayes) المكتوب بلغة Python الخالصة، دون PyTorch أو TensorFlow أو غيرهما من الأطر الثقيلة. ويؤدي هذا الخط المرجعي (baseline) عدة مهام:

• التحقق سريعًا من وجود أنماط ذات دلالة إحصائية في البيانات
• توفير نقطة مرجعية لمقارنة النماذج العصبية
• تشغيل التجربة دون GPU ودون انتظار طويل
• كشف اختلال توازن الفئات في مرحلة اختبار الفرضيات

«نحلّل ملف JSONL المسرَّب يدويًا كي يبقى

Colab موثوقًا ويمكن التنبؤ بسلوكه» — من دليل MarkTechPost.

ماذا يعني ذلك

مجموعات البيانات العامة التي تضم سجلات تتبّع وكيلية حقيقية نادرة. فمعظم مجموعات تدريب LLM تحتوي على بيانات اصطناعية أو نصوص من الويب، لا على تسجيلات لاستدلال وكيل حقيقي عند استدعاء الأدوات. وتسدّ Fable 5 Traces هذه الفجوة، وتتيح دراسة السلوك الوكيلي لنماذج Claude.

ويخفّض الدليل عتبة الدخول: فالشيفرة كلها تعمل في المتصفح خلال دقائق دون إعداد معقّد للبيئة. وبالنسبة إلى المطورين الذين يريدون مواصلة تدريب نماذجهم الخاصة على مهام وكيلية أو دراسة أنماط استخدام الأدوات (tool use)، فهو نقطة انطلاق جاهزة.