المساهمين: ديفيد أوستن، رجا بيسواس، جيلبرتو تيتريكز جونيور، إنفيديا
صعد برنامج AI-Q Blueprint من NVIDIA – وكيل الأبحاث العميقة المفتوح والمحمول الرائد – مؤخرًا إلى قمة لوحة المتصدرين Hugging Face “LLM with Search” على منصة DeepResearch Bench. تعد هذه خطوة مهمة للأمام بالنسبة لمجموعة الذكاء الاصطناعي مفتوحة المصدر، مما يثبت أن النماذج التي يمكن للمطورين الوصول إليها يمكنها تشغيل مسارات عمل الوكلاء المتقدمة التي تنافس البدائل المغلقة أو تتجاوزها.
ما الذي يميز AI-Q؟ فهو يدمج اثنين من برامج LLM المفتوحة عالية الأداء — Llama 3.3-70B Instruct وLlama-3.3-Nemotron-Super-49B-v1.5 — لتنسيق استرجاع السياق الطويل، والتفكير المنطقي، والتوليف القوي.
المكدس الأساسي: اختيارات النموذج والابتكارات التقنية
- Llama 3.3-70B Instruct: الأساس لإنشاء تقارير منظمة وسلسة، مستمدة من سلسلة Meta’s Llama ومرخصة مفتوحة للنشر غير المقيد.
- Llama-3.3-Nemotron-Super-49B-v1.5: متغير محسّن يركز على الاستدلال. تم تصميمه عبر بحث الهندسة العصبية (NAS)، وتقطير المعرفة، والجولات المتعاقبة من التعلم الخاضع للإشراف والمعزز، وهو يتفوق في التفكير متعدد الخطوات، وتخطيط الاستعلام، واستخدام الأدوات، والتفكير – كل ذلك مع مساحة ذاكرة منخفضة للنشر الفعال على وحدات معالجة الرسومات القياسية.
يتضمن المثال المرجعي AI-Q أيضًا:
تدعم البنية البحث المتوازي ذي زمن الاستجابة المنخفض عبر البيانات المحلية وبيانات الويب، مما يجعلها مثالية لحالات الاستخدام التي تتطلب الخصوصية أو الامتثال أو النشر داخل الشركة لتقليل زمن الاستجابة.
التفكير العميق مع اللاما نيموترون
إن NVIDIA Llama Nemotron Super ليس مجرد نموذج تعليمات مضبوط بدقة، بل تم تدريبه لاحقًا من أجل التفكير المنطقي الصريح ويدعم تبديل المنطق بين التشغيل والإيقاف من خلال مطالبات النظام. يمكنك استخدامه في وضع LLM القياسي للدردشة أو التبديل إلى التفكير العميق المتسلسل لخطوط أنابيب الوكلاء – مما يتيح سير عمل ديناميكي وحساس للسياق.
أبرز النقاط:
- متعدد المراحل بعد التدريب: يجمع بين اتباع التعليمات والتفكير الرياضي/البرمجي ومهارات استدعاء الأدوات.
- نسب نموذجي شفاف: يمكن تتبعها مباشرة من الأوزان الوصفية المفتوحة، مع انفتاح إضافي حول البيانات الاصطناعية وضبط مجموعات البيانات.
- كفاءة: يمكن تشغيل معلمات 49B مع نوافذ سياقية تصل إلى 128 ألف رمز مميز على وحدة معالجة رسومات H100 واحدة أو أصغر، مما يجعل تكاليف الاستدلال سريعة ويمكن التنبؤ بها.
التقييم: الشفافية والمتانة في المقاييس
إحدى نقاط القوة الأساسية لـ AI-Q هي الشفافية، ليس فقط في المخرجات، ولكن في مسارات التفكير والخطوات الوسيطة. أثناء التطوير، استفاد فريق NVIDIA من المقاييس القياسية والجديدة، مثل:
- كشف الهلوسة: يتم فحص كل مطالبة واقعية عند الإنشاء.
- التوليف متعدد المصادر:توليف رؤى جديدة من أدلة متباينة.
- مصداقية الاقتباس: التقييم الآلي لروابط أدلة المطالبة.
- راجاس المقاييس: التسجيل الآلي لدقة توليد الاسترجاع المعزز.
تفسح البنية المجال بشكل مثالي للتقييم والتصحيح التفصيلي والمتدرج – وهي إحدى أكبر نقاط الضعف في تطوير خطوط الأنابيب الوكيلة.
النتائج المعيارية: DeepResearch Bench
يقوم DeepResearch Bench بتقييم مجموعات الوكلاء باستخدام مجموعة مكونة من أكثر من 100 مهمة بحثية واقعية ذات سياق طويل (عبر العلوم والتمويل والفن والتاريخ والبرمجيات والمزيد). على عكس ضمان الجودة التقليدي، تتطلب المهام تركيبًا بطول التقرير وتفكيرًا معقدًا متعدد القفزات:
- حققت AI-Q مجموع نقاط 40.52 في ماجستير إدارة الأعمال مع فئة البحث اعتبارًا من أغسطس 2025، يحتل حاليًا المركز الأول لأي مكدس مفتوح مرخص بالكامل.
- أقوى المقاييس: الشمولية (عمق التقرير)، والبصيرة (جودة التحليل)، وجودة الاستشهاد.
لمجتمع مطوري Hugging Face
- يتوفر كل من Llama-3.3-Nemotron-Super-49B-v1.5 وLlama 3.3-70B Instruct للاستخدام/التنزيل المباشر على Hugging Face. جربها في مساراتك الخاصة باستخدام بضعة أسطر من Python، أو انشرها باستخدام vLLM للاستدلال السريع ودعم استدعاء الأدوات (راجع بطاقة النموذج للحصول على أمثلة التعليمات البرمجية/الخدمة).
- تتيح بيانات ما بعد التدريب المفتوحة وأساليب التقييم الشفافة والترخيص المتساهل إمكانية التجريب وإمكانية التكرار.
الوجبات الجاهزة
يعمل النظام البيئي مفتوح المصدر على سد الفجوة بسرعة – وفي بعض المناطق، يؤدي – في مهام الوكيل ذات الأهمية في العالم الحقيقي. يوضح AI-Q، المبني على Llama Nemotron، أنك لست بحاجة إلى التنازل عن الشفافية أو التحكم لتحقيق أحدث النتائج.
جرب المكدس أو قم بتكييفه مع مشاريع وكيل الأبحاث الخاصة بك من Hugging Face أو build.nvidia.com.
