معرفی مدل‌های LFM3: نسل جدید هوش مصنوعی چندوجهی و سبک شرکت Liquid AI — Introducing LFM3: Every Modality for Specialized Intelligence
خلاصه
شرکت Liquid AI از خانواده جدید مدل‌های LFM3 با ظرفیت حدود ۲ میلیارد پارامتر رونمایی کرد. این مدل‌های هیبریدی و متن‌باز برای کارهای ایجنت‌ی، پردازش متن، صوت و تصویر بهینه شده‌اند و امکان اجرای محلی روی سخت‌افزارهای مختلف لبه (Edge) را با سرعت بالا فراهم می‌کنند.
شرکت Liquid AI نسخه جدید مدل‌های پایه خود را با نام LFM3 معرفی کرده است. این خانواده مدل جدید بر پایه معماری هیبریدی بهینه‌شده‌ای توسعه یافته و برای کاربردهای تخصصی و هوش مصنوعی ایجنت‌ی (Agentic) طراحی شده است. مدل‌های این خانواده در بازه تقریبی ۲ میلیارد پارامتر قرار دارند و به‌صورت ماهیت چندوجهی (Multimodal) متن، بینایی، صوت و قابلیت‌های تصمیم‌گیری را روی یک بستر مشترک ارائه می‌دهند.
معماری ترکیبی جدید و بهینه‌سازی برای لبه
نسخه پیشین یعنی LFM2 نشان داد که ترکیب کانولوشن‌های کوتاه و مکانیزم توجه (Attention) می‌تواند کارایی بالایی روی سخت‌افزارهای محلی داشته باشد. در LFM3 با استفاده از جستجوی خودکار معماری سخت‌افزاری روی ۱۴ بستر مختلف شامل پردازنده‌های موبایل، لپ‌تاپ، بردهای امبدد و NPUها، معماری مدل بازطراحی شده است تا کارایی در متون طولانی و سناریوهای ایجنت‌ی بهبود یابد.
ترکیب لایه‌ها در LFM3 به شکل زیر است:
- کانولوشن‌های کوتاه گیت‌دار بیش از نیمی از لایه‌ها را تشکیل می‌دهند.
- لایه‌های توجه با پنجره لغزان (SWA) برای تعادل میان سرعت و کیفیت در متون طولانی.
- لایه‌های توجه سراسری (Global Attention) برای درک بهتر مفاهیم کلی.
- استفاده از تکنیک‌هایی نظیر Partial RoPE و Sandwich norm برای ثبات بیشتر در آموزش و کم کردن خطاهای کوانتیزاسیون.
این مدل‌ها با استفاده از واژه‌زنی (Tokenizer) با ظرفیت ۱۲۸ هزار توکن آموزش دیده‌اند که زبان‌های غیرلاتین را با کارایی بیشتری پردازش می‌کند. مدل پایه LFM3-1.7B روی ۲۲ تریلیون توکن پیش‌آموزش دیده و مراحل پس‌آموزش آن شامل تنظیم دقیق نظارت‌شده (SFT)، یادگیری تقویتی ترکیبی و تقطیر چنددامنه‌ای بوده است.
تنوع در وجه‌ها و کاربردهای تخصصی
خانواده LFM3 شامل مدل‌های مختلفی است که همگی از یک بستر مشترک مشتق شده‌اند:
- متن: مدل LFM3-1.7B با پنجره متنی ۲۵۶ هزار توکنی که برای ایجنت‌های محلی و ابزارهایی نظیر Hermes Agent و OpenClaw بهینه‌سازی شده است.
- بینایی: مدل LFM3-VL-2B که علاوه بر تصاویر، توانایی درک ویدیو و استدلال فضایی را دارد و از یک انکودر بینایی اختصاصی سبک بهره می‌برد.
- صوت: مدل صوتی فشرده برای اجرای محلی روی لپ‌تاپ و دستگاه‌های لبه.
چرا این انتشار برای توسعه‌دهندگان اهمیت دارد؟
برای برنامه‌نویسانی که روی هوش مصنوعی محلی (On-device AI) و سیستم‌های کم‌مصرف کار می‌کنند، LFM3 پیشرفت بزرگی به شمار می‌رود. این مدل‌ها به دلیل ردپای حافظه پایین، سرعت بالا در دکود کردن توکن‌ها و قابلیت اجرای روان روی سخت‌افزارهای سمت کاربر، گزینه‌ای ایده‌آل برای ساخت اپلیکیشن‌های مستقل از کلود و حفظ حریم خصوصی کاربران هستند.
در بحث‌های هکرنیوز، توسعه‌دهندگان به عملکرد چشمگیر مدل‌های زیر ۲ میلیارد پارامتر این خانواده در کارهای ایجنت‌ی و اتوماسیون اشاره کرده‌اند. بسیاری از کاربران از مدل‌های قبلی Liquid AI برای دسته‌بندی و تریاژ داده‌ها استفاده می‌کردند و اکنون منتظر ادغام نسخه‌های جدید در ابزارهایی مانند LocalAI هستند تا پویایی ایجنت‌های محلی را ارتقا دهند. وزن این مدل‌ها به‌صورت باز (Open-weight) روی هاگ‌فیس منتشر شده و آماده استفاده و تنظیم دقیق (Fine-tune) است.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل