نشر GLM-4-32B باستخدام vLLM و Open-WebUI

1. مقدمة البرنامج التعليمي

تم إطلاق مشروع GLM4 من قبل منظمة THUDM في عام 2025، والتقرير الفني ذو الصلة هو ChatGLM: مجموعة من نماذج اللغات الكبيرة من GLM-130B إلى GLM-4 (جميع الأدوات).

ترحب عائلة GLM بعضو جديد، وهو طراز سلسلة GLM-4-32B-0414، الذي يحتوي على 32 مليار معلمة، وأداء مماثل لسلسلة GPT من OpenAI وسلسلة V3/R1 من DeepSeek، ويدعم وظائف النشر المحلية سهلة الاستخدام للغاية. تم تدريب GLM-4-32B-Base-0414 مسبقًا على 15T من البيانات عالية الجودة، بما في ذلك كمية كبيرة من البيانات الاصطناعية للاستدلال، مما يضع الأساس لتوسيع التعلم التعزيزي اللاحق. في مرحلة ما بعد التدريب، قدم فريق البحث محاذاة تفضيلات الإنسان والآلة لسيناريوهات الحوار. بالإضافة إلى ذلك، استخدم فريق البحث تقنيات مثل أخذ العينات المرفوضة والتعلم التعزيزي لتحسين أداء النموذج في متابعة التعليمات وهندسة التعليمات البرمجية واستدعاء الوظائف، وبالتالي تعزيز القدرات الذرية المطلوبة للمهام الوكيلة. حقق GLM-4-32B-0414 نتائج جيدة في هندسة الكود، وتوليد القطع الأثرية، واستدعاء الوظائف، والإجابة على الأسئلة القائمة على البحث، وتوليد التقارير. على وجه الخصوص، في العديد من المعايير مثل إنشاء الكود أو مهام الإجابة على الأسئلة المحددة، يحقق GLM-4-32B-Base-0414 أداءً مماثلاً للنماذج الأكبر مثل GPT-4o وDeepSeek-V3-0324(671B).

يستخدم هذا البرنامج التعليمي الموارد الخاصة بهاتف A6000 ثنائي الشريحة.

👉 يقدم هذا المشروع نموذجًا لـ:

• طراز GLM-4-32B-0414

أمثلة المشاريع

رسم الرسوم المتحركة

GLM-Z1-32B-0414	GLM-4-32B-0414
اكتب برنامج بايثون يظهر كرة ترتد داخل مسدس دوار. يجب أن تتأثر الكرة بالجاذبية والاحتكاك، ويجب أن ترتد عن الجدران الدوارة بشكل واقعي	استخدم HTML لمحاكاة كرة صغيرة يتم إطلاقها من مركز مسدس دوار. خذ بعين الاعتبار الاصطدام بين الكرة والحدود السداسية والجاذبية على الكرة، وافترض أن الاصطدام مرن تمامًا.

تصميم الويب

GLM-4-32B-0414	GLM-4-32B-0414
تصميم لوحة رسم تدعم رسم وظائف مخصصة وإضافة وحذف وظائف مخصصة وتحديد الألوان للوظائف	تصميم واجهة مستخدم لمنصة التعلم الآلي المحمولة، بما في ذلك مهام التدريب وإدارة التخزين وواجهات الإحصائيات الشخصية. ينبغي أن تستخدم واجهة إحصائيات المعلومات الشخصية مخططات بيانية لعرض استخدام المستخدم للموارد المختلفة خلال الفترة الزمنية الماضية. استخدم Tailwind CSS لتجميل الصفحة وعرض هذه الواجهات الثلاث للجوال في صفحة HTML واحدة

إنشاء SVG

GLM-4-32B-0414	GLM-4-32B-0414
إنشاء Jiangnan ضبابية باستخدام SVG	استخدام SVG لإظهار عملية تدريب LLM

التحليل والبحث والكتابة

تحليل تطور الذكاء الاصطناعي في المدن الصينية: دراسة مقارنة بين بكين وهانغتشو. وفي الوقت نفسه، نقوم بالتحقيق في حالات المدن الأجنبية التي تستخدم الذكاء الاصطناعي في الحكم الحضري.

2. خطوات التشغيل

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

إذا لم يتم عرض "النموذج"، فهذا يعني أنه يتم تهيئة النموذج. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.

2. بعد الدخول إلى صفحة الويب، يمكنك بدء محادثة مع النموذج

كيفية الاستخدام

التبادل والمناقشة

🖌️ 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

شاكر زد في ليو  لنشر هذا البرنامج التعليمي، معلومات مرجع المشروع هي كما يلي:

@misc{glm2024chatglm,
      title={ChatGLM: A Family of Large Language Models from GLM-130B to GLM-4 All Tools},
      author={Team GLM and Aohan Zeng and Bin Xu and Bowen Wang and Chenhui Zhang and Da Yin and Diego Rojas and Guanyu Feng and Hanlin Zhao and Hanyu Lai and Hao Yu and Hongning Wang and Jiadai Sun and Jiajie Zhang and Jiale Cheng and Jiayi Gui and Jie Tang and Jing Zhang and Juanzi Li and Lei Zhao and Lindong Wu and Lucen Zhong and Mingdao Liu and Minlie Huang and Peng Zhang and Qinkai Zheng and Rui Lu and Shuaiqi Duan and Shudan Zhang and Shulin Cao and Shuxun Yang and Weng Lam Tam and Wenyi Zhao and Xiao Liu and Xiao Xia and Xiaohan Zhang and Xiaotao Gu and Xin Lv and Xinghan Liu and Xinyi Liu and Xinyue Yang and Xixuan Song and Xunkai Zhang and Yifan An and Yifan Xu and Yilin Niu and Yuantao Yang and Yueyan Li and Yushi Bai and Yuxiao Dong and Zehan Qi and Zhaoyu Wang and Zhen Yang and Zhengxiao Du and Zhenyu Hou and Zihan Wang},
      year={2024},
      eprint={2406.12793},
      archivePrefix={arXiv},
      primaryClass={id='cs.CL' full_name='Computation and Language' is_active=True alt_name='cmp-lg' in_archive='cs' is_general=False description='Covers natural language processing. Roughly includes material in ACM Subject Class I.2.7. Note that work on artificial languages (programming languages, logics, formal systems) that does not explicitly address natural-language issues broadly construed (natural-language processing, computational linguistics, speech, text retrieval, etc.) is not appropriate for this area.'}
}