الضبط الدقيق (Fine-tuning)

التدريب المسبق لنموذج لغوي كبير يستهلك كميات هائلة من البيانات والحوسبة. والضبط الدقيق ينطلق من تلك النتيجة وينفق جزءًا صغيرًا فقط من الجهد. تغذّي النموذج أمثلة، كأسئلة مع إجابات مثالية أو تذاكر دعم مع الردود الصحيحة أو نصوص بصوت معين، فتتحرك أوزانه ليصبح مثل هذه المخرجات أكثر احتمالًا. وتُصنع معظم المساعدات هكذا: نموذج أساسي يُضبط على التعليمات ثم يُضبط غالبًا أكثر على التفضيلات بـ RLHF.

الضبط الدقيق الكامل يحدّث كل وزن ويحتاج عتادًا جادًا. وهناك طرق أرخص تحدّث إضافة صغيرة فقط، كما تفعل LoRA، أو تدرّب على نسخة مكمَّمة من النموذج. وجودة البيانات أهم من كميتها: بضعة آلاف من الأمثلة النظيفة المتسقة كثيرًا ما تتفوق على مليون فوضوي. والمخاطر هي النسيان، حيث يفقد النموذج مهارات عامة، وفرط التخصيص (overfitting)، حيث يحفظ أمثلته، والعيوب الموروثة، فأخطاء البيانات أو انحيازاتها تصبح سلوكًا.

يستحق أن تسأل هل تحتاجه أصلًا. موجّه نظام واضح أو بضعة أمثلة موضوعة في الموجّه أو استرجاع المستندات (RAG) كثيرًا ما تحل المشكلة دون تدريب. والضبط الدقيق يفيد حين تحتاج صيغة أو نبرة متسقة على نطاق واسع، أو موجّهًا أقصر للسرعة، أو سلوكًا لا تحققه الصياغة وحدها. والنماذج مفتوحة الأوزان يستطيع ضبطها كل من يملك الأوزان، أما المغلقة فعبر خدمة صانعها فقط. ومن العادات القريبة مشاركة الصيغ: لأن النسخ المضبوطة من نموذج أساسي تحتفظ ببنيته، تنشر المجتمعات كثيرًا منها للبرمجة أو سرد القصص أو الترجمة أو المفردات المتخصصة وتقارنها في لوحات الصدارة العامة. وتخبرك قراءة بطاقة النموذج الأساسي والبيانات المستخدمة والرخصة بما تغيّر وبما يحق لك فعله بالنتيجة.

لا تقدم NeverNo طريقة لضبط نموذج، ولا يذكر كتالوجها كيف ضُبط كل نموذج. ما تستطيع فعله هو تعديل السلوك على مستوى الموجّه، بالتعليمات التي تكتبها، فهي تغيّر ما يقرؤه النموذج وتترك أوزانه كما هي.

النماذج مفتوحة الأوزان هي النوع الذي يضبطه آخرون ويعيدون نشره، والنماذج الخاصة في الكتالوج من هذا النوع. Qwen 3.5 35B، نموذج خاص ومجاني من Alibaba يقرأ الصور ويتيح لك اختيار ما إذا كان يستدل، أحدها. ومعنى «خاص» أنه يقدّمه مزوّدون اختيروا لأنهم لا يحتفظون بالطلبات؛ وتقول صفحة الشفافية بوضوح إن NeverNo لا تستطيع فحص خوادمهم.