اتجاه بحثي

Edge Models

التدريب والضغط للاستدلال على الجهاز.

قيد البحث

نماذج الحافة هي اتجاه بحث Rkive لتدريب وضغط أنظمة متعددة الوسائط قوية للاستدلال على الجهاز. الهدف ليس مجرد نماذج أصغر — بل قدرة متعددة الوسائط تظل مفيدة عندما تُعامل حدود العتاد كقيود من الدرجة الأولى.

القدرة تحت ميزانيات الأجهزة

زمن الاستجابة والذاكرة والحرارة والطاقة ليست أفكاراً لاحقة — بل جزء من هدف التحسين من البداية.

تدريب واعٍ بالضغط

التدريب مع وضع هدف النشر في الاعتبار

وصفات التدريب تتوقع التكميم والتقليم وحدود الذاكرة أثناء التدريب بدلاً من معاملة الضغط كخطوة تعبئة نهائية.

التقطير متعدد الوسائط

الحفاظ على القدرة في النماذج المضغوطة

الضغط لا يهم إلا إذا نجا السلوك المفيد عبر الوسائط. يهدف التقطير إلى إبقاء النماذج المضغوطة قادرة حقاً.

تقييم ميزانية الجهاز

زمن الاستجابة والذاكرة والحرارة والطاقة

التقييم مرتبط بميزانيات الأجهزة بحيث تعكس مقاييس الأداء ظروف النشر الحقيقية.

يطبق عمل نماذج الحافة نفس عقلية البحث المنضبطة على واقع النشر. يمكن تطبيق نفس بروتوكول MAIC-RL والتجريب المنظم المستخدم في AIR عندما ينتقل القيد من حجم الأثر إلى ميزانيات وقت التشغيل على الأجهزة الحقيقية.

نماذج الحافة — الاستدلال متعدد الوسائط على الجهاز |... | Rkive AI