أفضل المعلومات حول العملات الرقمية تصلك مباشرة إلى بريدك الإلكتروني.
كشفت شركة Chainbase عن نموذج لغة مفتوح المصدر للذكاء الاصطناعي يركز على العملات المشفرة
- أصدرت Chainbase نموذج الذكاء الاصطناعي مفتوح المصدر Theia-Llama-3.1-8B.
- تم تدريب النموذج على مجموعة بيانات شاملة موجهة نحو التشفير.
- تظهر نتائج المعايير أن Theia تتفوق على النماذج السائدة.
أصدرت Chainbase نموذج الذكاء الاصطناعي مفتوح المصدر، Theia-Llama-3.1-8B. وهو نموذج لغوي يركز على العملات المشفرة.
أطلقت الشركة نسخة تجريبية من روبوت الدردشة "ثيا تشات" في أغسطس، للكشف عن ميزات "ثيا".
تم استخلاص تدريب ثيا من مصدرين
استُخدمت البيانات لتدريب النموذج من CoinMarketCap وتقارير بحثية أخرى. تتضمن بيانات CoinMarketCap المستخدمة لتدريب وضبط Theia-Llama-3.1-8B وثائق المشروع، مثل الأوراق البيضاء، ومنشورات المدونات الرسمية، والمقالات الإخبارية.
تم الحصول على تقارير البحث من مصادر موثوقة عبر الإنترنت لتوفير رؤى متعمقة حول أساسيات المشروع وتأثير السوق وتقدم التطوير.
وتوضح تدوينة المدونة أيضًا أن البيانات من هذين المصدرين الأساسيين خضعت أيضًا للتصفية اليدوية والخوارزمية لتقليل التكرار والقضاء على الأخطاء.
استخدمت Chainbase أيضًا تقنيات متطورة في ضبط النموذج وتحسينه. استخدم الفريق تقنية LoRA (التكيف منخفض الرتبة) لتحقيق ضبط دقيق فعال. ساهم ذلك في تكييف نموذج Llama-3.1-8B-Instruct الأساسي مع مجال العملات المشفرة.
تم تحسين عملية التدريب باستخدام LLaMA Factory وDeepSpeed، من خلال دمج تقنيات متقدمة مثل ZeRO، والتفريغ، والانتباه المتناثر، و1-bit Adam، والتوازي في خطوط الأنابيب لتسريع التدريب وتقليل استخدام الذاكرة.
بالإضافة إلى الضبط الدقيق، قامت Chainbase بتحسين النموذج لتجهيزه للنشر الفعال. تُقلل عملية التكميم هذه من حجم ذاكرة النموذج وتُسرّع الاستدلال مع الحفاظ على دقة مقبولة.
اقترحت Chainbase معيارًا لنموذج الذكاء الاصطناعي للعملات المشفرة
لتقييم أداء Theia-Llama-3.1-8B، اقترحت Chainbase معيارًا لنماذج الذكاء الاصطناعي للعملات المشفرة.
يقوم المعيار بتقييم النماذج عبر سبعة أبعاد، بما في ذلك فهم المعرفة المشفرة وتوليدها، وتغطية المعرفة، وقدرات التفكير.
تُظهر نتائج المعايير الأولية التي تُركز على قدرات الفهم والتوليد في مجال التشفير تفوق نموذج Theia-Llama-3.1-8B على 11 نموذجًا آخر من نماذج LLM. ويشمل ذلك نماذج شائعة من OpenAI وGoogle وMeta وQwen وDeepSeek. وقد حقق النموذج درجة حيرة بلغت 1.184 ودرجة BERT بلغت 0.861، متجاوزًا بذلك النماذج السائدة حاليًا في السوق.
ذكرت شركة Chainbase أيضًا في منشورها على المدونة أن أداء Theia-Llama-3.1-8B يتجاوز أداء النماذج السائدة المتوفرة حاليًا في السوق. وأضافت الشركة: "سنعمل لاحقًا على تطوير نماذج أكبر وتقييم جوانب أخرى منها"
لا تكتفِ بقراءة أخبار العملات الرقمية، بل افهمها. اشترك في نشرتنا الإخبارية، إنها مجانية.
إخلاء مسؤولية: المعلومات الواردة هنا ليست نصيحة استثمارية. Cryptopolitanموقع أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات الواردة في هذه الصفحة. ننصحtronبإجراء بحث مستقلdent /أو استشارة مختص مؤهل قبل اتخاذ أي قرارات استثمارية.
فيغنيش كارونانيدي
فيغنيش كاتب محتوى متخصص في العملات الرقمية، وصحفي متخصص في هذا المجال، ومحرر محتوى، ومدير وسائل تواصل اجتماعي. عمل مع Watcher.guru وBeInCrypto وCoinGape وMilkroad وAirdrops لأكثر من ست سنوات. اكتسب مهاراته في تغطية أخبار التكنولوجيا والروبوتات والأعمال والذكاء الاصطناعي من خلال حصوله على درجة الماجستير في التجارة.
- أي العملات المشفرة يمكن أن تدر عليك المال
- كيفية تعزيز أمانك باستخدام المحفظة الإلكترونية (وأي منها يستحق الاستخدام فعلاً)
- استراتيجيات استثمارية غير معروفة يستخدمها المحترفون
- كيفية البدء في الاستثمار في العملات المشفرة (أي منصات التداول التي يجب استخدامها، وأفضل العملات المشفرة للشراء، إلخ)