فقط بعد فابل 5، نموذج كبير يتطور يوميًا، مخيف جدًا، على الأرجح أنه للاستعداد لـ Qianwen 4
نشر
--
半沐
·
--
حول كيفية تحقيق Qwen3.8 لعملية “التطور على أساس يومي”، وبالاستناد إلى المعلومات المتاحة علنًا حتى الآن، فإن آلياتها الأساسية تبرز في ثلاثة جوانب رئيسية: التحديثات الآلية عالية التواتر، والتنشيط الديناميكي على مستوى بنية النظام، وآلية التحقق الليلي من مهارات الوكلاء (Agent). وتفاصيلها كالتالي:
1. أوزان وتحديثات الروابط الآلية عالية التواتر
كسر Qwen3.8 نموذج الإصدارات التقليدية الكبيرة لمرة واحدة، حيث طوّر آلية تكرار آلية عالية التواتر. كشفت الجهود أن النموذج يقوم بتحديث الأوزان تلقائيًا عند منتصف الليل يوميًا، وبحدود كل 48 ساعة يتم تحديث مسارات تحسين الاستدلال، كما يتم إرسال قدرات محاذاة متعددة الوسائط جديدة بالكامل أسبوعيًا. وبفضل هذه الآلية، يصبح ترقية النموذج أشبه بـ “بث حي” مستمر.
2. التوجيه الديناميكي للخبراء وبنية ذاكرة مؤقتة متعددة الطبقات
على مستوى البنية الأساسية، تخلّى Qwen3.8 عن أساليب التنشيط المتناثر التقليدية، واعتمد بنية هجينة تجمع بين “التوجيه الديناميكي للخبراء + ذاكرة مؤقتة طبقية”. يتيح هذا التصميم تشغيل 2.4 تريليون معلمة بشكل ديناميكي؛ إذ لا يكون النموذج “وحشًا ضخمًا يتم تجميعه”، بل وكيلًا ذكيًا يتنفس ويفكر ويتخذ قرارات مدروسة. وتوفر تحسينات مستوى البنية هذه أساسًا تقنيًا للتكرار عالي التواتر.
3. آلية “التطور الليلي والتحقق” لمهارات الوكيل (Agent)
على مستوى تنفيذ مهام الوكلاء بشكل محدد، تستخدم سلسلة Qwen (مثل Qwen3-Max) “عملية تطور جماعي للمهارات”. تحول هذه الآلية محادثات المستخدم الفعلية إلى أدلة مهيكلة، يقوم Evolver بتحليل الأنماط وتوليد مهارات مرشحة للتحديث. لا تُفعّل هذه المهارات المرشحة مباشرة، بل تدخل “مرحلة التحقق الليلي”: حيث يتم تنفيذ المهارات القديمة والمرشحة الجديدة في بيئة حقيقية في الوقت نفسه، ولا يتم قبول المهارات الجديدة ونشرها إلا إذا كانت تتفوق فعليًا على المهارات القديمة من حيث معدل نجاح المهام والاستقرار في التنفيذ. وهذا يضمن عدم تدهور “مجموعة المهارات” المنشورة مع مرور الوقت، وتحقيق تحسن مستمر ومستقر في الأداء.
4. الاختبارات المستمرة لإصدار المعاينة وما بعد التدريب
حاليًا، يخضع نموذج Qwen3.8-Max المعاين المنشور للتطور المستمر على أساس “يومي”. تشير تحليلات إلى أن استمرار تحديث نسخة صغيرة من هذه القاعدة يشير إلى أن النموذج ربما يخضع لتدريب لاحق مكثف (Post-training)، استعدادًا لإطلاق الإصدار الرسمي 4.0 النهائي.
1. أوزان وتحديثات الروابط الآلية عالية التواتر
كسر Qwen3.8 نموذج الإصدارات التقليدية الكبيرة لمرة واحدة، حيث طوّر آلية تكرار آلية عالية التواتر. كشفت الجهود أن النموذج يقوم بتحديث الأوزان تلقائيًا عند منتصف الليل يوميًا، وبحدود كل 48 ساعة يتم تحديث مسارات تحسين الاستدلال، كما يتم إرسال قدرات محاذاة متعددة الوسائط جديدة بالكامل أسبوعيًا. وبفضل هذه الآلية، يصبح ترقية النموذج أشبه بـ “بث حي” مستمر.
2. التوجيه الديناميكي للخبراء وبنية ذاكرة مؤقتة متعددة الطبقات
على مستوى البنية الأساسية، تخلّى Qwen3.8 عن أساليب التنشيط المتناثر التقليدية، واعتمد بنية هجينة تجمع بين “التوجيه الديناميكي للخبراء + ذاكرة مؤقتة طبقية”. يتيح هذا التصميم تشغيل 2.4 تريليون معلمة بشكل ديناميكي؛ إذ لا يكون النموذج “وحشًا ضخمًا يتم تجميعه”، بل وكيلًا ذكيًا يتنفس ويفكر ويتخذ قرارات مدروسة. وتوفر تحسينات مستوى البنية هذه أساسًا تقنيًا للتكرار عالي التواتر.
3. آلية “التطور الليلي والتحقق” لمهارات الوكيل (Agent)
على مستوى تنفيذ مهام الوكلاء بشكل محدد، تستخدم سلسلة Qwen (مثل Qwen3-Max) “عملية تطور جماعي للمهارات”. تحول هذه الآلية محادثات المستخدم الفعلية إلى أدلة مهيكلة، يقوم Evolver بتحليل الأنماط وتوليد مهارات مرشحة للتحديث. لا تُفعّل هذه المهارات المرشحة مباشرة، بل تدخل “مرحلة التحقق الليلي”: حيث يتم تنفيذ المهارات القديمة والمرشحة الجديدة في بيئة حقيقية في الوقت نفسه، ولا يتم قبول المهارات الجديدة ونشرها إلا إذا كانت تتفوق فعليًا على المهارات القديمة من حيث معدل نجاح المهام والاستقرار في التنفيذ. وهذا يضمن عدم تدهور “مجموعة المهارات” المنشورة مع مرور الوقت، وتحقيق تحسن مستمر ومستقر في الأداء.
4. الاختبارات المستمرة لإصدار المعاينة وما بعد التدريب
حاليًا، يخضع نموذج Qwen3.8-Max المعاين المنشور للتطور المستمر على أساس “يومي”. تشير تحليلات إلى أن استمرار تحديث نسخة صغيرة من هذه القاعدة يشير إلى أن النموذج ربما يخضع لتدريب لاحق مكثف (Post-training)، استعدادًا لإطلاق الإصدار الرسمي 4.0 النهائي.
إخلاء مسؤولية: يتضمن آراء جهات خارجية. لا تُعدّ نصيحة. يُمكن استخدام Binance AI دون أي ضمان. اطلع على الشروط والأحكام.