النماذج السيادية
الهندسة أساس التخصص

حجم المعلمات الذي يتحمله الجهاز محدود، لذا يتحقق التخصص بالأساليب الهندسية: نحو الأسفل تكييف Day0+ مع النماذج الأساسية الرائدة (يمكن ربط الإصدار الجديد يوم صدوره)، ونحو الأعلى ضبط نماذج صغيرة متخصصة لمهام الوظائف؛ ويسرّع فك الترميز التخميني الاستدلال على الجهاز، ثم يحدد الاختيار حسب السيناريو النموذج وموقع التشغيل لكل مهمة. وتعمل النماذج على أجهزة المؤسسة نفسها، وتتراكم القدرات المهنية أصولًا للمؤسسة.

تكييف النماذج وتحسينها

  • Day0+
    تكييف سريع مع نماذج أساسية متعددةدعم Qwen وDeepSeek وGLM وغيرها من النماذج الأساسية الرائدة دون الارتباط بنموذج واحد، وربط تحديثاتها بالمسار المهني في حينها.
  • SFT
    الضبط الدقيق للمجال والتكييف الفعال بـ LoRAضبط دقيق للمجال بمجموعات نصوص متخصصة في القانون والضرائب والمحاسبة وبتوسيم الخبراء، لاشتقاق نماذج صغيرة متخصصة للوظائف؛ ويخفض LoRA (التكيف منخفض الرتبة) تكلفة الحوسبة للضبط الدقيق.
  • 4/8bit
    النشر المكمّمضغط حجم النموذج بدقة 4bit / 8bit لإنجاز الاستدلال المهني ضمن ميزانية الحوسبة والذاكرة على الجهاز.
  • SPEC
    التسريع بفك الترميز التخمينيدعم MTP وDFlash وDSpark: تقترح آلية المسودة عدة رموز مرشحة دفعة واحدة، ويتحقق النموذج الرئيسي منها بالتوازي، فتبقى المخرجات متطابقة وتتضاعف السرعة.
  • RAG
    التعزيز بالبيانات الخاصة والذاكرة طويلة الأمدتنقية مجموعات النصوص الخاصة وحقنها (RAG، التوليد المعزز بالاسترجاع)، وربط أنظمة الأعمال عبر MCP (بروتوكول سياق النموذج)، وحفظ سياق المشروع ذاكرةً طويلة الأمد.

اختيار السيناريو

المهام النموذجيةالنماذج الموصى بهاموقع التنفيذأساس الاختيار
التعرف على المستندات وهيكلة الموادالفواتير والعقود وملفات القضايانموذج صغير متخصص + تسريع مخصص لـ OCRعلى الجهازعالية التكرار، منخفضة زمن الاستجابة، حساسة البيانات
مخاطر الامتثال ومطابقة المؤشراتالمخاطر الضريبية، وامتثال سلسلة التوريدنماذج المجال + مكتبات المؤشرات الديناميكيةالجهاز · الحافةجميع البيانات تبقى في النطاق، مع نتائج قابلة للتتبع
الأسئلة المهنية وصياغة المستنداتالأعمال اليومية في القانون والضرائب والمحاسبةنموذج المجال من LoLR Logos LoLR + فك الترميز التخمينيالجهاز أولًاتوازن الخبرة وسرعة الاستجابة
التحليل المعقد والاستدلال عبر المجالاتالعناية الواجبة في عمليات الاندماج والاستحواذ، والهياكل العابرة للحدودنماذج أساسية كبيرة + تعاون متعدد الوكلاءقدرة حوسبة على مستوى المؤسسة · السحابة المعتمدةحجم النموذج، والتزامن، والتكلفة
أربعة معايير للاختيارحساسية البياناتمتطلبات زمن الاستجابةحجم النموذجالتكلفة

دعم ثلاثة أنواع من فك الترميز التخميني

يقيّد عرض نطاق الذاكرة فك الترميز على الجهاز: يولّد النموذج الرموز واحدًا تلو الآخر، ويقرأ جميع الأوزان في كل خطوة. ويقترح فك الترميز التخميني (Speculative Decoding) أولًا عبر آلية مسودة خفيفة عدة رموز مرشحة دفعة واحدة، ثم يتحقق منها النموذج الرئيسي بالتوازي في مرور واحد، ولا يُبقي إلا ما يطابقه؛ فتبقى المخرجات كما هي وتتضاعف السرعة عدة مرات. وتدعم منظومة نماذج LoLR ثلاثة حلول رئيسية.

MTPالتنبؤ متعدد الرموزMulti-Token Prediction

تصوغ رؤوس تنبؤ مدرَّبة مع النموذج الرئيسي مسودة الرموز التالية مسبقًا انطلاقًا من الحالة المخفية الحالية؛ وعندما تكون مدمجة في الأوزان لا تكاد تزيد استهلاك ذاكرة GPU.

مناسب لـ: النماذج الأساسية ذات رؤوس MTP المدمجة · الأجهزة محدودة ذاكرة الرسوميات
DFlashمسودات الانتشار الكتليBlock Diffusion Drafting

يعتمد نموذج مسودة خفيف بالانتشار الكتلي على سمات سياق النموذج الرئيسي، فيولّد كتلة مسودة كاملة بالتوازي في تمرير أمامي واحد؛ ويمكن تدريب نموذج المسودة لكل نموذج هدف على حدة.

مناسب لـ: نماذج أساسية وأطر استدلال متعددة · توليد النصوص الطويلة
DSparkفك ترميز تخميني بجدولة حسب الثقةConfidence-Scheduled · Semi-Autoregressive

يحافظ مولّد المسودات شبه الانحداري الذاتي على اعتماد الرموز داخل الكتلة؛ وفي مرحلة التحقق يُحدَّد طول التحقق ديناميكيًا وفق ثقة كل طلب، وتُوقَف المسودات منخفضة الجودة مبكرًا.

مناسب لـ: الخدمات عالية التزامن · عُقد الإدارات والمؤسسات

توفر الطرق الثلاث تسريعًا بلا فقدان، ويحدد التحقق بالنموذج الرئيسي المخرجات النهائية؛LoLR.AI OS يختار الطريقة تلقائيًا وفق خصائص النموذج الأساسي وإطار النشر وتزامن العقدة.

النماذج السيادية=تكييف النماذج الأساسية+الضبط الدقيق المتخصص+تسريع الاستدلال+اختيار السيناريو+التشغيل في بيئة خاصةمجموعات النصوص والضبط الدقيق والتسريع واختيار النموذج وموقع التشغيل تحدد معًا قابلية المخرجات للاستخدام.تعرّف على نموذج LoLR الكبير Logos LoLR →

داخل حدود شركتك الخاصة
انشر هذه المنظومة

أخبرنا بأنواع المهام وحجم المواد وحدود البيانات، وسيبدأ فريق FDE بتشخيص ميداني ليحدد معك الأجهزة والنماذج وحل Harness.

استكشاف حلول الصناعة
LoLR HPCs · الأساس الموثوقمجموعة كاملة من أجهزة الحوسبة على الجهاز، من الأجهزة المحمولة إلى خوادم المؤسسات. نموذج LoLR الكبير Logos LoLR · النماذج السياديةالتخصص في المجالات، وتكييف النماذج الأساسية، والتعاون بين الجهاز والسحابة، والجدولة الموزعة. LoLR.AI OS LoLR.AI OS · Harness للمؤسساتمصنع الوكلاء وأدوات تسليم Harness: بناء الخبراء وتدريبهم وإدارتهم واستخدامهم. LoLR Mobile LoLR.AI APPالعمل عبر الهاتف، ونشر الوكلاء، والاستدعاء أثناء التنقل: مدخل المنظومة إلى ميدان العمل. حلول القطاعاتاستكشف السيناريوهات ومكونات الحلول والأجهزة المرافقة حسب القطاع والدور. الخدمة والدعمأدلة البدء، والأسئلة الشائعة، وشروط ما بعد البيع، وتنزيل الأدلة.