Q Labs: مشروع Noise يحقق تسريعاً بنحو 4000 مرة
أعلنت Q Labs أن وقت الوصول إلى الهدف في مشروع Noise انخفض من 1.76 ساعة إلى 1.6 ثانية، مع توسيع التقييم إلى 30 مليون توكن ابتداءً من 22 أكتوبر 2026.
أعلنت شركة Q Labs أن مشروعها مفتوح المصدر Noise حقق تسريعاً بنحو 4000 مرة مقارنةً بسجله الأولي، إذ انخفض الوقت اللازم للوصول إلى الخسارة المستهدفة من 1.76 ساعة إلى 1.6 ثانية خلال عشرة أيام، حسب ما نقله موقع aitimes.com. وأضافت الشركة أن التقييم توسّع ليشمل 30 مليون توكن بدءاً من 22 أكتوبر 2026.
في التجربة الأولى، درّبت Q Labs نموذج GPT صغيراً يضم 37.7 مليون معامل على ما يصل إلى 10 ملايين توكن من مجموعة FineWeb في تمريرة واحدة، وكان الهدف خفض خسارة التحقق إلى 4.2. وتحسّنت أفضل خسارة من 4.167 إلى 3.676، لتتجاوز بذلك خط الأساس للانتشار العكسي باستخدام مُحسِّن Adam عند 3.769.
وأشارت Q Labs إلى أن المقارنات التي طبّقت فيها الخوارزمية نفسها على الطرفين أظهرت أن الانتشار العكسي ظل أسرع. وتطوّر الشركة خوارزمية التدريب Dust التي تعمل من دون الانتشار العكسي، وأتاحت تجربة عامة قائمة عليها.
اعتمدت خوارزمية Dust في بحثها الأصلي على تغيير قيم التنشيط بدلاً من الأوزان، وتقدير اتجاهات تحديث الأوزان من النتائج.
تقييم جديد على 8 وحدات H100
منذ 22 أكتوبر 2026، أنهت Q Labs تقييم الـ10 ملايين توكن ورفعت بيانات التدريب إلى 30 مليون توكن. ويجري التقييم الجديد على عقدة واحدة تضم 8 وحدات H100، مع هدف خسارة عند 3.5، ويضيف مساراً يسمح بتغيير معمارية النموذج بحرية.
أسئلة سريعة
ما هو مشروع Noise من Q Labs؟
مشروع مفتوح المصدر لتجربة التدريب من دون الانتشار العكسي، قائم على خوارزمية Dust التي طورتها Q Labs.
ما مقدار التسريع الذي حققه مشروع Noise؟
أعلنت Q Labs عن تسريع بنحو 4000 مرة، مع انخفاض وقت الوصول إلى الخسارة المستهدفة من 1.76 ساعة إلى 1.6 ثانية.
ما التغييرات التي أُدخلت في تقييم 22 أكتوبر 2026؟
رُفعت بيانات التدريب إلى 30 مليون توكن، ويجري التقييم على عقدة واحدة تضم 8 وحدات H100 بهدف خسارة 3.5، مع مسار يتيح تغيير معمارية النموذج.