እንደ Qwenputer ፕሮጀክት አካል፣ ተመራማሪዎች የQwen3.5-4B AI ሞዴል የተራዘመ ስሪት አዘጋጅተዋል፣ ይህም በRISC-V አርክቴክቸር (RV32IM) ላይ የተመሠረተ ሙሉ ባለ 32-ቢት ሲፒዩ የተከተተ ማስመሰያ ተግባራዊ ያደርጋል፣ ይህም የZba ቅጥያውን ይደግፋል እና ለትልቅ ቁጥር ሒሳብ የሚሆን ቢግነም ኮፕሮሰሰር አለው። የሲፒዩ ከርነል ትግበራ ወደ ክብደቶች ስብስብ ተሰብስቦ ከዋናዎቹ የQwen ንብርብሮች በፊት እንደ 11 ተጨማሪ የትራንስፎርመሮች ንብርብሮች ተጨምሮ ወደ ትልቅ የቋንቋ ሞዴል ይዋሃዳል። ስሌቶች በቀጥታ የሚከናወኑት ውጫዊ መሳሪያዎች ወይም ተሰኪዎች ሳያስፈልጉ የነርቭ አውታረ መረቡ ወደፊት በሚያልፍበት ጊዜ ነው።
ትግበራው በይፋዊ የriscv-tests ስብስብ ውስጥ ያሉትን ሁሉንም ፈተናዎች በተሳካ ሁኔታ ያልፋል እና የተጠናከረ የC እና የማይክሮፓይቶን ኮድ ማስፈጸም ይችላል። በትልልቅ ቁጥሮች የሂሳብ ስሌቶችን ሲያከናውን፣ Qwenputer ከ97.5-100% ትክክለኛነትን ያገኛል፣ ይህም ከውጫዊ የፓይቶን ተርጓሚ ጋር ካለው የመነሻ Qwen3.5 ሞዴል ጋር ተመጣጣኝ ወይም የተሻለ ነው።
ራምን ለማስመሰል፣ ሞዴሉ የተለያዩ የጌትድ ዴልታኔት ንብርብሮችን (መስመራዊ RNNs) ይጠቀማል፣ እነዚህም በትላልቅ የአውድ መስኮቶች ሲሰሩ የተሻሻለ ሁኔታን ለመጠበቅ በመደበኛው የQwen AI ሞዴል ውስጥ ጥቅም ላይ ይውላሉ። የበር ሁኔታን በመቆለፍ እና አንድ-ትኩስ ኢንኮዲንግ በመጠቀም፣ እያንዳንዱ የመፃፍ ጥያቄ የስቴት ማትሪክስ አንድ ረድፍ በትክክል ይተካዋል፣ ይህም የዴልታኔት ሁኔታ እንደ ቋሚ መጠን አድራሻ ሊደረግ የሚችል ማህደረ ትውስታ ጥቅም ላይ እንዲውል ያስችለዋል፣ የአውድ ርዝመት ሲጨምር የኪይ-ዋጋ (KV) መሸጎጫ መስመራዊ እድገትን ያስወግዳል። ይህ ማህደረ ትውስታ የሲፒዩ መዝገቦችን፣ ውሂብን እና ሊተገበር የሚችል የማሽን ኮድን ያስተናግዳል።
እንደ የመዝገብ ንባብ፣ የሂሳብ ስራዎች እና ሁኔታዊ ዝላይ ያሉ የፕሮሰሰር መመሪያዎች በቀጥታ ወደ ትራንስፎርመር ንብርብር ክብደቶች ይሰባሰባሉ። እያንዳንዱ መመሪያ ከልዩ ቶከኖች (ADDR፣ VAL፣ STEP) ጋር የተቆራኘ ሲሆን የAI ሞዴል ንብርብሮች እንደ ሲፒዩ አመክንዮ ይተረጉማሉ። ትንሽ ውጫዊ ነጂ፣ RvChat፣ ሲፒዩን ለማስጀመር እና firmware ለመጫን ይጠቅማል፣ ነገር ግን የማሽኑ ኮድ ራሱ ሙሉ በሙሉ በሞዴል ክብደቶች ውስጥ ይሰራጫል።
የፕሮጀክቱ ገደቦች የሁኔታ ቁርጥራጮችን (ቼክፖይንቶችን) በሚጠብቁበት ጊዜ ከመጀመሪያው የQwen ሞዴል ጋር ሲነጻጸር በግምት ሁለት እጥፍ የመጠን ጭማሪ (18.8 ጊባ) ያካትታሉ፣ ይህም በዋነኝነት ተጨማሪ ንብርብሮች ተጨማሪ ንጣፍ በመኖሩ ምክንያት ነው። በአንጻራዊ ሁኔታ ዝቅተኛ የስሌት ፍጥነትም ታይቷል (በL4 ጂፒዩ ላይ በሰከንድ በግምት 3200 ቶከኖች)፣ ይህም ማለት ውስብስብ ስሌቶች ሚሊሰከንዶችን ሳይሆን ሰከንዶችን ሊወስዱ ይችላሉ ማለት ነው።
በተጨማሪም፣ የAI ሞዴል አንድ አይነት በሙከራ ፋይል ስርዓት ተተግብሯል፣ ይህም እስከ 512 የሚደርሱ ፋይሎችን በAI ሞዴል ክብደት ውስጥ 53 የጽሑፍ ቶከኖች ያሏቸው ለማከማቸት ያስችላል። ልክ እንደ RAM አተገባበር፣ ማከማቻው በዴልታኔት ሁኔታዎች ላይ የተመሠረተ ነው፣ ነገር ግን FS በክፍለ-ጊዜዎች መካከል ሁኔታውን የማያጣ ዘላቂ ማከማቻ ስለሚሰጥ የተለየ ነው።
የQwenputer ስራ በAI ውስጥ አዳዲስ ሊሆኑ የሚችሉ የደህንነት ጉዳዮችን ለመመርመር መሰረት ጥሏል። Qwenputerን እንደ ምሳሌ በመጠቀም፣ በልዩ ሁኔታ የተሻሻለ የAI ሞዴል አመክንዮውን በRNN ሁኔታ እንዴት መደበቅ እና የሞዴል አመክንዮ ክትትል ዘዴዎችን (CoT፣ Chain-of-T) እንዴት ማለፍ እንደሚችል ታይቷል። በተጨማሪም ታይቷል።
ሞዴሉ ራሱ ሊያሰናክላቸው ወይም ሊቀይራቸው የማይችላቸውን የደህንነት ቁጥጥር እና የክትትል ዘዴዎችን በAI ሞዴል ክብደቶች ውስጥ የተገነቡ የደህንነት ቁጥጥር እና የክትትል ዘዴዎችን የመፍጠር ችሎታ።
ምንጭ: opennet.ru
