
#
نشر باحثو أمازون HOPE، وهو اختصار لـ Higher-Order Pruning of Experts، على Hugging Face. تستهدف هذه الطريقة نماذج مزيج الخبراء، حيث تبقى أوزان الخبراء في الذاكرة حتى عندما يُستخدم بعض الخبراء فقط لرمز واحد. ينظر HOPE إلى التعاون الثنائي بين الخبراء بدلاً من ترتيب كل خبير على حدة.
تُعاير العملية على أمثلة، وتحل مسألة تحسين، ثم تزيل خبراء محددين. وتشمل التجارب المعلنة Qwen3.5-122B وQwen3.5-35B وGLM-4.5-Air. والنتيجة هي نسخة نموذج محفوظة قياسية أصغر، ويذكر المنشور أنها متوافقة مع تعريفات نماذج الخدمة الحالية.
نتائج المقاييس المعلنة هي نتائج ينسبها المؤلفون إلى أنفسهم. وهي ليست ضماناً عالمياً للجودة. وهذا مهم لأن التقليم قد يغيّر سلوك النموذج بطرق لا تلتقطها المقاييس بالكامل.
يكتسب HOPE أهمية لأنه يهدف إلى تقليل حجم النموذج مع الحفاظ على التفاعلات المفيدة بين الخبراء. بالنسبة للفرق التي تشغّل نماذج كبيرة، يمكن أن تغيّر نسخ النموذج المحفوظة الأصغر مقدار الذاكرة التي يحتاجها النظام. كما يمكن أن تؤثر في ما إذا كان النموذج يناسب ميزانية عتادية معينة أو يدعم نافذة سياق أطول.
في الوقت نفسه، التقليم ليس بلا تكلفة. فإزالة الخبراء قد تزيل أيضاً قدرات مفيدة. ولا يدّعي المصدر أن HOPE يحافظ على كل مهمة بالدرجة نفسها. بل يورد فقط نتائج مقاييس على النماذج والإعدادات التي تم اختبارها.
أفادت البوابة الرسمية للمغرب في 9 سبتمبر 2026 بأن خارطة طريق الذكاء الاصطناعي تؤكد السيادة والثقة والقدرة الوطنية على إنتاج الذكاء الاصطناعي وإتقانه. كما وصفت سوقاً سيادية عُرضت مع التحكم في البنية التحتية داخل المغرب. ويخلق هذا السياق المحلي سبباً واضحاً لدراسة كفاءة النشر. فإذا أراد فريق مزيداً من التحكم في مكان تشغيل النموذج وكيفية تشغيله، فقد تكون نسخ النموذج المحفوظة الأصغر مفيدة من حيث المبدأ. المصدر: https://maroc.ma/en/news/morocco-moves-ai-strategy-implementation-targets-mad-100-bln-gdp-value-2030
بالنسبة للباحثين والفرق المغربية الذين يقيّمون تشغيل النماذج للاستدلال تحت تحكم محلي، قد يكون HOPE جديراً بالتقييم كخيار تقني. فقد تتيح نسخة نموذج محفوظة أصغر لميزانية عتادية ثابتة دعم فئة نموذج أكبر، أو تترك مجالاً لمدخلات أطول. لكن هذا احتمال مشروط فقط. ولا يبيّن المصدر أن هذا قد حدث في المغرب.
والأثر المحلي عملي، وليس تلقائياً. ستحتاج الفرق إلى مقارنة نسخ النموذج المحفوظة الأصلية والمقلّمة على أعباء العمل الخاصة بها. وينبغي لها استخدام أمثلة حقيقية ومصرح بها من تلك الأعباء، وليس فقط اختبارات البرمجة المرجعية. كما ينبغي لها التحقق من التراخيص وقياس الذاكرة وزمن الاستجابة وجودة الإجابة معاً.
وهذا مهم بشكل خاص لأن التجارب المعلنة تركز على المعايرة المرتبطة بالبرمجة وعلى عدة مقاييس. ولا تثبت هذه النتائج الحفاظ على الجودة في مهام العربية المغربية أو الأمازيغية أو الفرنسية. كما أنها لا تثبت أن نموذجاً مقلّماً سيعمل جيداً في إعداد خدمة سيادي أو تحت تحكم محلي.
ينبغي لأي فريق يفكر في HOPE أن يتعامل معه كخيار للاختبار المنضبط. تتمثل الخطوة الأولى في التحقق مما إذا كان النموذج المستهدف ومكدس الخدمة يدعمان تنسيق نسخة النموذج المحفوظة الأصغر الموصوف في المنشور. أما الخطوة الثانية فهي إجراء تقييمات متوازية على مهام الفريق نفسها.
وتتمثل الخطوة الثالثة في مقارنة أكثر من مقياس واحد. فالاكتفاء باستخدام الذاكرة ليس كافياً. وكذلك زمن الاستجابة وحده ليس كافياً. وينبغي أن يشمل التقييم المفيد الجودة والاستقرار والقدرة على خدمة عبء العمل المقصود ضمن القيود الفعلية للفريق.
يُعد HOPE طريقة تقليم مثيرة للاهتمام لأنه يحاول الحفاظ على تعاون الخبراء مع تقليص نماذج MoE. وبالنسبة للمغرب، تكمن قيمته في احتمال تحسين كفاءة النشر ضمن استراتيجية ذكاء اصطناعي تركز على السيادة. لكن أي فائدة تبقى مشروطة إلى أن تختبره الفرق المحلية على بياناتها وبنيتها التحتية الخاصة.
أضفوا Intelligence Artificielle Maroc إلى مصادركم المفضلة لرؤية المزيد من أخبارنا ذات الصلة في بحث Google.
نحن نبني منصات ذكاء اصطناعي مخصصة ومنتجات SaaS وتطبيقات أعمال ذكية وأنظمة أتمتة.
هذا النموذج مخصص لطلبات المشاريع وليس للأسئلة العامة حول الذكاء الاصطناعي.