كيف تُدرّب نموذج بحث على بياناتك: طريقة NVIDIA في يوم واحد
أصدرت NVIDIA دليلًا عمليًا لتكييف نموذج embedding مع مجال محدد في يوم واحد فقط وعلى وحدة GPU واحدة. لا يتضمن خط المعالجة أي ترميز يدوي للبيانات: يولّد LLM الأسئلة، ثم يختار النظام hard negatives ويدرّب النموذج على استعلامات multi-hop. وفي اختبارات أُجريت على وثائق NVIDIA، تجاوزت الزيادة في Recall@10 وNDCG@10 نسبة 10%، بينما تستغرق الدورة كاملةً لمجموعة مستندات صغيرة بضع ساعات فقط.
معالج بواسطة الذكاء الاصطناعي من Hugging Face Blog؛ بتحرير Hamidun News
نشرت NVIDIA طريقةً تتيح خلال ساعات قليلة تكييف نموذج بحث مع مستنداتك الخاصة، دون ترميز يدوي للبيانات.
كيف تُدرّب نموذج بحث دون ترميز البيانات يدويًا؟
يبدأ الأمر بالنموذج الأساسي Llama-Nemotron-Embed-1B-v2. ثم تُولَّد أزواج اصطناعية من الأسئلة والمستندات انطلاقًا من مستنداتك (التعليمات والعقود والسجلات)، ويُدرَّب النموذج على أمثلة سلبية صعبة، وبعدها يُتحقَّق من تحسّن نتائج البحث.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.