الملخص

مكتمل

نصيحة

راجع علامة التبويب النص والصور لمزيد من التفاصيل!

في هذه الوحدة، استكشفت سير العمل الكامل لاختيار ونشر وتقييم نماذج المسبك. تعلمت كيف تتخذ قرارات مستنيرة بشأن اختيار النماذج باستخدام المعايير، وكيفية نشر النماذج إلى نقاط النهاية، وكيفية تقييم أدائها باستخدام أساليب تقييم مختلفة.

النقاط الموجزة الأساسية

يوفر كتالوج model لبوابة Microsoft Foundry access لأكثر من 1900 نموذج من مزودين مثل مايكروسوفت، OpenAI، ميتا، ميسترال، وهاجينغ فيس. التصفية الفعالة حسب المجموعة، القدرات، خيارات النشر، وغيرها من السمات تساعدك على تضييق الكتالوج ليشمل نماذج تتناسب مع متطلباتك.

تقدم معايير النماذج مقارنات موضوعية عبر أبعاد الجودة والسلامة والتكلفة والأداء. تقيم مقاييس الجودة مثل الدقة، والتماسك، والطلاقة مدى جودة إنتاج النماذج للردود المناسبة. تحدد مقاييس السلامة المخاطر المتعلقة بالمحتوى الضار. تساعد معايير التكلفة في تحقيق التوازن بين الجودة وقيود الميزانية. مؤشرات الأداء مثل التأخير ومعدل النقل تشير إلى الاستجابة للتطبيقات في الوقت الحقيقي.

تشمل خيارات النشر واجهة برمجة التطبيقات بدون خادم لمرونة الدفع مقابل المكالمة، وعمليات نشر مجهزة لأحمال عمل عالية الحجم متسقة، وحوسبة مدارة للاستضافة المعتمدة على الأجهزة الافتراضية، ومعالجة دفعات للمهام غير التفاعلية المحسنة من حيث التكلفة. كل خيار يقدم خصائص مختلفة للتوسع، والفوترة، والتحكم.

يوفر الاختبار في ساحة اللعب تغذية راجعة فورية على سلوك النموذج دون كتابة كود. يمكنك تجربة التوجيهات، تعديل المعلمات، وملاحظة الاستجابات لفهم قدرات النموذج قبل الاندماج في التطبيقات.

تتراوح أساليب التقييم من الاختبار اليدوي إلى المقاييس الآلية. يلتقط التقييم اليدوي جوانب الجودة الذاتية مثل رضا المستخدم وملاءمة السياق. تقوم المقاييس المدعومة بالذكاء الاصطناعي بتقييم جودة التوليد ومخاطر السلامة تلقائيا. توفر مقاييس معالجة اللغة الطبيعية مثل F1-score وROUGE مقارنة رياضية مع بيانات الحقيقة الواقعية.

تسمح تدفقات التقييم الشاملة في بوابة مايكروسوفت فاوندري بإجراء تقييمات منهجية باستخدام مجموعات بيانات اختبار ومقاييس متعددة. تحدد النتائج نقاط القوة والضعف والمجالات التي تحتاج إلى تحسين، مما يوجه التطوير التكراري لتطبيقات الذكاء الاصطناعي التوليدي الخاصة بك.

الخطوات التالية

مع نشر وتقييم النماذج، فكر في الخطوات التالية:

دمج النماذج في التطبيقات باستخدام مجموعات تطوير البرمجيات (SDKs)، وواجهات برمجة التطبيقات REST، وعينات الكود المقدمة في بوابة Microsoft Foundry. يمكن لتطبيقاتك الآن استهلاك النماذج المنشورة من خلال استدعاءات API المصادقة.

نفذ توليد التوليد المعزز (RAG) لاسترجاع استجابات نماذج البيانات في بيانات مؤسستك. يجمع RAG بين النماذج وقدرات البحث لتقديم إجابات دقيقة وذات صلة بالسياقات بناء على مستنداتك وقواعد معرفتك.

تطبيق خدمات أمان محتوى الذكاء الاصطناعي في Azure لإضافة طبقة حماية إضافية ضد المحتوى الضار. يمكن لمرشحات المحتوى حجب المدخلات والمخرجات غير المناسبة، مما يكمل ميزات الأمان على مستوى الطراز.

قم بضبط النماذج بدقة (عند الدعم) في مجالك أو حالة الاستخدام الخاصة بك لتحسين الأداء في السيناريوهات المتخصصة. الضبط الدقيق يكيف النماذج العامة لتناسب متطلباتك الفريدة.

مراقبة أداء الإنتاج باستخدام Azure Monitor وApplication Insights لتتبع الاستخدام، والتأخير، والتكاليف، والأخطاء. تضمن المراقبة المستمرة بقاء تطبيقاتك صحية وذات أداء.

قم بالتكرار بناء على ملاحظات المستخدمين من خلال جمع بيانات الاستخدام الواقعية وإجراء تقييمات دورية. التحسين المستمر يحافظ على توافق تطبيقات الذكاء الاصطناعي التوليدي مع احتياجات المستخدمين.

المهارات التي طورتها في هذه الوحدة — اختيار النماذج المناسبة، ونشرها بفعالية، وتقييم أدائها — تشكل الأساس لبناء تطبيقات ذكاء اصطناعي توليدي قوية وعالية الجودة باستخدام Microsoft Foundry.