نيون تطلق نموذج Castform المتفوق في استرجاع البيانات بتكلفة منخفضة
قدّمت Castform منصةً تتيح للمطورين تدريب نماذج مفتوحة الأوزان بعديًا بالتعلّم المعزّز، بهدف تحسين البحث عبر البيانات بتكلفة أقل من النماذج المتقدمة. وتحول المنصة بيانات الشركات الموجودة، مثل الوثائق وسجلات المنتجات وتفاعلات العملاء، إلى مهام تدريب وأسئلة وإجابات مولّدة، ثم تدير حلقة التجربة والتقييم لتحسين النموذج. وتستخدم Castform خدمة Lakebase Search من Neon أثناء التدريب، فيما يساعد التوسع الديناميكي للحوسبة على استيعاب آلاف عمليات التشغيل المتوازية وخفض الموارد عند الخمول. ويقول الفريق إن Castform تجعل تدريب النماذج المفتوحة أسهل، من دون الحاجة إلى إدارة تفاصيل تعلّم الآلة ووحدات معالجة الرسوميات.
الحقائق الأساسية
تُنشئ Castform مهام تدريب من مجموعة بيانات الشركة القائمة، ثم تدير حلقة التعلّم المعزّز لتعليم نموذج مفتوح الأوزان استخدام تلك البيانات.
«Castform addresses both. It turns an existing corpus into training tasks, then manages the RL loop needed to teach an open-source model how to use that data effectively.»
عرض المصدر ←تستخدم عمليات التدريب خدمة Lakebase Search، ويمكن لفروع Neon عزل حالة قاعدة البيانات الخاصة بكل عملية تشغيل.
«Neon branching can give each rollout an isolated database state, while time-travel queries make it possible to reconstruct and inspect the state an agent encountered.»
عرض المصدر ←تستهدف Castform تمكين المطورين من تدريب نماذج مفتوحة الأوزان بعديًا من دون التعامل مباشرةً مع تفاصيل تعلّم الآلة ووحدات معالجة الرسوميات.
«That is why we built Castform: to enable developers to RL post-train models without having to deal with machine learning & gpu internals.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر