Laya خدام

Laya هو موديل مفتوح المصدر للقرار بالذكاء الاصطناعي غير التوليدي الذاتي. الموديل ما كيولّدش النصوص، وكيعتمد على مُرمّز ثنائي الاتجاه ModernBERT/mmBERT، كيدوز النص مع سؤال مُنظّم فانتشار أمامي واحد، وكيخرج نتائج مُهيكلة واحتمالات مُعايرة فحوالي 33ms. الموديل فيه توجيه لغوي مدمج كيدعم أكثر من 100 لغة. مقارنةً بالموديل المغلق Jev، Laya كيتفوّق فالدقة (76.6% مقابل 72.7%)، ودعم اللغات (أكثر من 100 لغة)، والتكلفة (النشر المحلي مجاني).

القرار بانتشار أمامي واحد: دخل نص كيمثّل الحالة مع مجموعة ديال الأسئلة المُنظّمة، وانتشار أمامي واحد كيرجع النتيجة مباشرة بلا توليد نصوص، فحوالي 33ms.
ثلاثة ديال بدائيات القرار: choice كتختار خيار واحد من بين الخيارات وكتعطي احتمال كل خيار؛ score كتعطي نقطة على مقياس مُرتّب وكتعرض التوزيع؛ noul كتجاوب على أسئلة نعم/لا وكتُرجع احتمال صحة الجواب بين 0 و1.
التوجيه اللغوي التلقائي: Router كيكشف السكريبت واللغة ديال المُدخل فمدة أقل من 0.5ms، وكيحوّلو تلقائياً للـ checkpoint الإنجليزي أو متعدد اللغات، باش يتفادى اختيار موديل غلط والجواب بثقة ولكن بشكل خاطئ.
بوابة الثقة: الاحتمالات كتتدرّب بـ RLCD باش تكون عندها دلالة إحصائية؛ ويمكن، حسب عتبة معيّنة، تمرير القرارات ذات الثقة العالية تلقائياً وتحويل القرارات ذات الثقة المنخفضة للمراجعة البشرية.
إعدادات مسبقة لسير العمل: كيوفّر قوالب جاهزة لأسئلة توجيه الموديلات، والحماية من حقن التعليمات، ومراجعة سلامة المحتوى، وفرز تذاكر الدعم، جاهزة للاستعمال مباشرة.
الضبط المحلي: مرفق بـ Kaggle notebook وكيتيح إكمال دورة الضبط كاملة بالبيانات الخاصة بك، من إنشاء البيانات والتدريب بـ RLCD وملاءمة الحرارة حتى التقييم.

تابعونا فـ WeChat وردّو بكلمة “开源” باش تنضمو لمجموعة مشاريع الذكاء الاصطناعي مفتوحة المصدر
بنية ثنائية الاتجاه وغير ذاتية التوليد: كتعتمد على مُرمّز ثنائي الاتجاه ModernBERT-large (421M) أو mmBERT-base (322M)، بحيث كل token كيشوف السياق اللي قبلو واللي بعدو. فمرحلة الاستدلال، ما كيتولّدش النص حرفاً بحرف؛ بل كيتخصّص موضع [MASK] مستقل لكل خيار، وكيخرج الانتشار الأمامي الواحد جميع logits ديال الخيارات، ومن بعد كيتحوّلو بـ Softmax لتوزيع احتمالات. هادي هي علة التأخير اللي فمستوى 33ms.
التدريب بالتعلّم المعزّز RLCD: كيتستعملو قواعد تسجيل صحيحة صارمة، بحال التسجيل اللوغاريتمي والتسجيل الكروي وتسجيل احتمالات الرتب، كمكافآت. الموديل ما كياخذش نقطة عالية إلا إلا خرج الاحتمال البعدي الحقيقي؛ ومنين ما كيكونش متأكد كتنقص الثقة ديالو بشكل طبيعي، وهاكا كيتفادى مشكل “الثقة العمياء” ديال الموديلات الكبيرة التقليدية.
آلية التوجيه اللغوي: قبل forward، Router كيكشف باستعمال Python فقط مجموعات محارف Unicode واللغة، وعلى هاد الأساس كيختار الـ checkpoint. حيث إن الـ checkpoint الإنجليزي يقدر يعطي جواباً بدقة 0 وبثقة 0.95 مع النصوص غير اللاتينية، والثقة بوحدها ما كتقدرش تنبّه للمشكل، خاص قرار التوجيه يتدار قبل الاستدلال.
معايرة الاحتمالات: الـ checkpoint اللي كيجي من المصنع كيكون واثق أكثر من اللازم؛ خاص ملاءمة الحرارة على البيانات الخاصة بك حسب نوع السؤال وعدد الخيارات. من بعد الملاءمة، يقدر متوسط ECE ينقص من 0.466 لـ 0.081، ووقتها فقط يمكن استعمال الاحتمال مباشرة فقرارات المرور التلقائي.

التثبيت: pip install laya، وهي حزمة PyPI؛ تبدلات من 0.1.0 لـ 0.3.4 فنهارين، وخاص الانتباه حيث الواجهة ما زالت كتتبدّل.
تحميل الموديل: Router(preload=True) كيحمّل مسبقاً ثلاثة ديال الـ checkpoints، باش يتفادى إعادة بناء الموديل كل مرة كتبدّل فيها اللغة أثناء التشغيل البارد.
تحضير الحالة: جمّع النص اللي بغيتي تحلّل فـ dict، بحال {"from": ..., "subject": ..., "body": ...}، وكيقبل أي لغة أو بنية JSON.
تعريف الأسئلة: كتب مجموعة ديال الأسئلة المُنظّمة بـ JSON، وحدّد type (choice / score / noul)، وinstructions وcriteria (الخيارات أو المقياس).
تنفيذ التنبؤ: عيّط لـ router.predict(state, questions)، وكيُرجع الانتشار الأمامي الواحد جميع الأجوبة؛ الإنجليزية كتدوز من laya، والهندية وغيرها كتمشي تلقائياً للـ multilingual.
قراءة النتائج: من res["answers"] خد label ديال choice، أو نقطة score، أو احتمال noul؛ وres["routing"] كيشرح علاش تختار هاد الـ checkpoint.
بوابة الثقة: حدّد عتبة لـ confidence، بحال 0.85؛ المعالجة ذات الثقة العالية كتدوز تلقائياً، والمنخفضة كتمشي للبشر، ولكن بشرط تكون درتي ملاءمة الحرارة من قبل على البيانات ديالك.

استدلال سريع بزاف: الانتشار الأمامي الواحد كياخذ تقريباً 33ms (T4)، ومع الدفعات يقدر يوصل لـ 7.2ms لكل سؤال، يعني أسرع بحوالي 7.8 مرات من TypeSafe Jev المغلق.
ما كاينش خطر الهلوسة: ما كيتولّد حتى نص، غير قرارات مُهيكلة، وبالتالي ما كايناش حاجة لتحليل النص وما كاينش مشكل اختلاق المحتوى.
احتمالات قابلة للمعايرة: تدرّب بـ RLCD وقواعد تسجيل صحيحة صارمة، لذلك الثقة عندها دلالة إحصائية ويمكنها مباشرة تشغيل مسار المرور التلقائي أو المراجعة البشرية.
دقة المعايرة متفوّقة: من بعد ملاءمة الحرارة، ECE كتوصل غير لـ 0.081، أحسن من 0.246 ديال Jev، ودقة typed-decisions اللي كتبلغ 0.766 كتفوق حتى هي 0.727 ديال Jev.
توجيه متعدد اللغات: Router مدمج كيتعرّف فمدة أقل من ميلي ثانية على أكثر من 100 لغة وكيختار الـ checkpoint تلقائياً، باش يتفادى أن الموديل الإنجليزي يجاوب بثقة ولكن بشكل خاطئ على النصوص غير اللاتينية.
مفتوح المصدر بالكامل وبدون تكلفة: برخصة Apache-2.0، والأوزان مفتوحة، ويمكن استضافتو محلياً. وبالمقارنة مع تكلفة API ديال Jev البالغة $0.042 لكل مليون token، التكلفة على المدى الطويل هي صفر.
مخرجات مُنظّمة: بدائيات choice / score / noul الثلاثة كيغطيّو أغلب حالات القرار المُهيكل، من التصنيف والتنقيط حتى أحكام نعم/لا.

مستودع GitHub：https://github.com/NandhaKishorM/laya
مستودع الموديلات فـ HuggingFace：https://huggingface.co/convaiinnovations/laya

الفرز التلقائي لتذاكر الدعم: تحديد القسم (billing/technical/sales)، ودرجة الاستعجال، وإحباط المستخدم، وخطر فقدانه؛ التذاكر ذات الثقة العالية كتتوزّع تلقائياً، والمنخفضة كتمشي للبشر.
سلامة المحتوى والمراجعة: كشف المحتوى السام والمضايقات والتهديدات؛ بدائية noul كتخرج احتمال مخالفة القواعد، وهاد الشي مناسب للمراجعة الفورية فالمجتمعات ومنصات UGC.
الحماية من حقن التعليمات (Guardrails): كشف كسر الحماية والحقن وتسريب المفاتيح وغيرها من الهجمات عند مدخل نظام Agent؛ والتأخير فمستوى 33ms كيخليها قابلة للإدماج فكل مسار طلب.
التوجيه الذكي للموديلات: فبنية مختلطة ديال الموديلات الكبيرة، تحديد واش الطلب خاصو يمشي لموديل صغير ولا لموديل متقدّم، بقرار جد منخفض التكلفة كيوفّر مصاريف الاستدلال.