1. مقدمة البرنامج التعليمي

يُعدّ Phi-4-mini-flash-reasoning نموذجًا خفيفًا ومفتوح المصدر، طوّره فريق مايكروسوفت. يعتمد هذا النموذج على بيانات اصطناعية، ويركّز على بيانات استدلال عالية الجودة وكثيفة، وقد خضع لمزيد من التحسين لتحقيق قدرات استدلال رياضي متقدمة. ينتمي هذا النموذج إلى عائلة نماذج Phi-4، ويدعم أطوال سياق تصل إلى 64 ألف رمز، ويستخدم بنية فك تشفير هجينة، ويجمع بين آليات الانتباه ونموذج فضاء الحالة (SSM)، مما يُظهر كفاءة استدلال ممتازة. تتوفر أوراق بحثية ذات صلة. هندسة فك التشفير الهجينة من أجل التفكير الفعال مع الجيل الطويل .

يستخدم هذا البرنامج التعليمي بطاقة RTX 4090 واحدة. تدعم إرشادات المشروع اللغتين الصينية والإنجليزية.

2. أمثلة المشاريع

3. خطوات التشغيل

1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب

2. خطوات الاستخدام

إذا لم يظهر "النموذج"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لكبر حجم النموذج، يُرجى الانتظار من دقيقة إلى ثلاث دقائق ثم تحديث الصفحة.

4. المناقشة

🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓

معلومات الاستشهاد

معلومات الاستشهاد لهذا المشروع هي كما يلي:

@software{archscale2025,
  title={ArchScale: Simple and Scalable Pretraining for Neural Architecture Research},
  author={Liliang Ren and Zichong Li and Yelong Shen},
  year={2025},
  url={https://github.com/microsoft/ArchScale}
}

@article{ren2025decoder,
  title={Decoder-Hybrid-Decoder Architecture for Efficient Reasoning with Long Generation},
  author={Liliang Ren and Congcong Chen and Haoran Xu and Young Jin Kim and Adam Atkinson and Zheng Zhan and Jiankai Sun and Baolin Peng and Liyuan Liu and Shuohang Wang and Hao Cheng and Jianfeng Gao and Weizhu Chen and Yelong Shen},
  journal={arXiv preprint arXiv:2507.06607},
  year={2025}
}