Fine-tuning للنماذج اللغوية: LoRA و QLoRA و Full Fine-tuning

Fine-tuning هو المهارة التي تُميّز مطوّري AI الجادّين عن المستخدمين العاديّين. بدل الاعتماد على GPT-4 لكل شيء، تُخصّص نموذجاً مفتوحاً لمشكلتك بتكلفة أدنى وأداء أفضل. هذا شرح تقني عميق.

لماذا Fine-tuning؟

الحالات المناسبة

1. الأسلوب الثابت: نموذج يكتب دائماً بصوت علامتك التجارية.
2. اللغة/اللهجة: تحسين أداء نموذج على العربية أو لهجة معيّنة.
3. مهامّ متخصّصة: تصنيف طبّي، تلخيص قانوني، توليد كود بأسلوب فريقك.
4. تقليل تكلفة الاستدلال: نموذج صغير مُخصَّص = أرخص من نموذج كبير عام.
5. الخصوصية: تُدير النموذج على خوادمك، بياناتك لا تخرج.

متى لا تحتاج

• المهمّة تحلّ بـ Prompt Engineering.
• تحتاج بيانات محدّثة (RAG أفضل).
• ميزانيتك < $50.
• ليس لديك 500+ مثال جيّد للتدريب.

Full Fine-tuning، التقليدي

كيف: تحديث كل الأوزان في النموذج.

المزايا:

• أفضل جودة نظرياً.
• مرونة كاملة.

العيوب:

• مكلف جداً: تدريب Llama 70B = ذاكرة 280GB (لأنه FP16) + gradients + optimizer states = 1TB+ RAM.
• يحتاج 8+ GPUs A100 ($10-50k للتدريب).
• Catastrophic forgetting: النموذج قد ينسى قدراته العامّة.

لهذا Full Fine-tuning نادر حالياً، معظم المطوّرين يستخدمون LoRA.

LoRA، التغيير الجذري

الفكرة

نُشرت Low-Rank Adaptation of Large Language Models في يونيو 2021 من Microsoft.

الملاحظة: تحديثات الأوزان أثناء fine-tuning لها rank منخفض، يمكن تمثيلها بمصفوفتَين صغيرتَين.

الرياضيات:

• الوزن الأصلي: W (مصفوفة كبيرة، مثلاً 4096×4096).
• بدل تحديث W مباشرة، نُضيف: W' = W + BA
  • B: 4096×r
  • A: r×4096
  • r (rank) صغير (8, 16, 32).
• نُدرّب B و A فقط، W مُجمَّدة.

التوفير

مثال Llama 7B:

• Full Fine-tuning: 7 مليار معامل قابلة للتدريب.
• LoRA (r=16): ~4 مليون معامل قابلة للتدريب (0.06%).

النتيجة:

• ذاكرة GPU أقلّ 10-20×.
• سرعة تدريب أعلى 2-3×.
• جودة قريبة جداً من Full Fine-tuning (95%+ في معظم الحالات).

حجم الملف

LoRA weights = 10-100 MB (بدل 14GB للنموذج الكامل).

يمكنك:

• تخزين مئات LoRAs لنفس النموذج الأساسي.
• تبديلها بسرعة.
• مشاركتها بسهولة.

أين تُطبَّق LoRA

عادةً على مصفوفات Attention (Q, K, V, Output projection).

يمكن توسيعها لـ MLP layers أيضاً لجودة أعلى.

QLoRA، الثورة الأكبر

نُشرت QLoRA: Efficient Finetuning of Quantized LLMs مايو 2023 من جامعة واشنطن (Tim Dettmers).

الفكرة: LoRA + النموذج الأساسي مضغوط لـ 4-bit.

المكوّنات

1. 4-bit NormalFloat (NF4): نظام تكميم مصمَّم للأوزان (بدل INT4).
2. Double Quantization: تكميم ثوابت التكميم نفسها.
3. Paged Optimizers: إدارة ذاكرة GPU لتجنّب Out-of-Memory.
4. LoRA أدابتر بـ 16-bit (BF16) للتدريب.

النتائج المذهلة

قبل QLoRA:

• Fine-tuning Llama 65B = يحتاج 8× A100 (80GB) = $30/ساعة على AWS.

بعد QLoRA:

• Fine-tuning Llama 65B = GPU واحدة بذاكرة 48GB = $2/ساعة.
• 15× أرخص.

Guanaco (أوّل نموذج مُدرَّب بـ QLoRA): وصل إلى 99.3% من أداء ChatGPT في تقييم Vicuna بعد 24 ساعة على GPU واحد.

الأنواع الأخرى من PEFT

PEFT = Parameter-Efficient Fine-Tuning.

Prefix Tuning

• تُضاف tokens افتراضية قابلة للتدريب في بداية كل طبقة.
• Rank أقلّ من LoRA لكن أحياناً أقلّ فعالية.

P-Tuning v2

• Prefix tuning على كل طبقة.

Adapters

• طبقات صغيرة تُدخَل بين طبقات النموذج.
• الأسلاف الفكري لـ LoRA.
• نادراً ما تُستخدم اليوم (LoRA أفضل).

IA3

• ضرب المصفوفات الوسيطة بمتّجهات صغيرة.
• أخفّ من LoRA لكن أقلّ مرونة.

الملخّص: LoRA/QLoRA هما المهيمنان في 2024-2026.

Full Fine-tuning vs LoRA: متى تختار كل واحد؟

التوصية العامّة: ابدأ دائماً بـ LoRA. اذهب لـ Full فقط إذا:

• LoRA لم يحقّق الجودة المطلوبة.
• المهمّة تختلف جذرياً عن التدريب الأصلي.
• لديك ميزانية كبيرة.

بيانات التدريب

الشكل

بيانات fine-tuning للمحادثة تكون عادةً بشكل:

{
  "messages": [
    {"role": "system", "content": "أنت مساعد قانوني سعودي."},
    {"role": "user", "content": "ما هو نظام مكافحة الاحتيال المالي؟"},
    {"role": "assistant", "content": "نظام مكافحة الاحتيال المالي في المملكة صدر بالمرسوم الملكي..."}
  ]
}

الكمّية

• حدّ أدنى: 50-100 مثال (نتائج متواضعة).
• مقبول: 500-2000.
• جيّد: 5000-10000.
• ممتاز: 10000+.

الجودة > الكمّية. 500 مثال ممتاز > 5000 متوسّط.

الجودة

• تنوّع: غطّ كل السيناريوهات المتوقّعة.
• الدقّة: كل إجابة يجب أن تكون صحيحة (النموذج سيتعلّم منها كوحدة حقيقية).
• الاتّساق في الأسلوب: إذا تريد نبرة موحّدة، طبّقها في كل مثال.
• بلا تكرار: يجعل النموذج overfit.

مصادر البيانات

• صنع يدوي: أفضل جودة، أعلى تكلفة.
• توليد بـ GPT-4/Claude: أرخص، جودة أدنى قليلاً، استراتيجية "Distillation".
• بيانات موجودة: محادثات دعم عملاء، وثائق داخلية، سجلّات.
• Datasets عامّة: Alpaca, ShareGPT, OpenAssistant.

الأدوات

Hugging Face PEFT

مكتبة رسمية لـ LoRA وأخواتها.

from peft import LoraConfig, get_peft_model

lora_config = LoraConfig(
    r=16,
    lora_alpha=32,
    target_modules=["q_proj", "v_proj"],
    lora_dropout=0.05,
)
model = get_peft_model(base_model, lora_config)
model.print_trainable_parameters()
# trainable params: 4M || all params: 7B || 0.06%

Axolotl

Framework شامل يدير كل شيء بملف YAML واحد.

• يدعم LoRA, QLoRA, Full, DPO, ORPO.
• تكامل مع wandb, tensorboard.
• مفضّل للتدريب الجادّ.

Unsloth

تسريع 2-5× لـ LoRA/QLoRA.

• مكتبة Python صغيرة.
• مجّاني للاستخدام المفتوح.
• شعبية متزايدة (2024-2026).

LLaMA Factory

• واجهة رسومية، لا كود.
• ممتاز للمبتدئين.
• يدعم نماذج كثيرة.

OpenAI Fine-tuning

للنماذج المغلقة (أحدث نماذج OpenAI الصغيرة/المتوسّطة المتاحة للـ fine-tuning عبر الـ API، تتغيّر مع كل جيل):

• ارفع JSONL.
• OpenAI يُدير التدريب.
• يُعطيك نموذج مخصّص بمعرّف.
• الكلفة: تختلف حسب النموذج، راجع تسعير OpenAI الحالي وقت التنفيذ.

Anthropic Claude Fine-tuning

• متاح حصرياً لعملاء AWS Bedrock (لا يوجد API عام من Anthropic نفسها حتى 2026).
• Claude 3 Haiku قابل للـ fine-tuning (SFT) على Bedrock.

Google Gemini

• Fine-tuning عبر Vertex AI.
• النماذج الخفيفة من عائلة Gemini الحالية قابلة للتخصيص (راجع Vertex AI للقائمة المحدَّثة).

Fine-tuning للعربية

التحدّيات

• معظم النماذج مُدرَّبة على عربي أقلّ 5% من بيانات التدريب.
• Tokenizer يستهلك 2-4× tokens للعربية.
• اللهجات (خليجي، مصري، شامي) أضعف.

التوصية

النقطة الأنسب للبدء: Qwen 2.5 أو Llama 3.1، دعم عربي معقول من البداية.

للأعلى جودة: ALLaM (SDAIA) أو Jais (G42)، عربيّان أصلاً.

مثال عملي: fine-tune Llama 3.1 8B على 3000 حوار سعودي بأسلوب محدّد = نموذج يفوق GPT-3.5 في مجالك بتكلفة استدلال أقلّ 10×.

عملية Fine-tuning خطوة بخطوة

1. حدّد الهدف بوضوح

مثال: "نموذج يجيب على أسئلة عملاء صيدلية بالسعودية بأسلوب واضح، مع تحذيرات طبية دقيقة."

2. اجمع البيانات

• ابدأ بـ 500 مثال.
• كل مثال: سؤال حقيقي + إجابة نموذجية.

3. اختر النموذج الأساسي

• الحجم: 7B, 13B, 70B، بحسب ميزانيتك.
• التخصّص: general (Llama), instruction-tuned (Llama-Instruct), Arabic (ALLaM).

4. اختر التقنية

• LoRA غالباً كافي.
• QLoRA إذا الذاكرة محدودة.

5. اضبط Hyperparameters

• Learning rate: 1e-4 إلى 5e-5 لـ LoRA.
• Epochs: 1-3 (أكثر يسبّب overfit).
• Batch size: أكبر ما يسمح به GPU.
• LoRA r: 8-32 (أعلى = قدرة أكثر + تكلفة أعلى).

6. درِّب

• ابدأ بـ Unsloth أو Axolotl.
• راقب الخسارة (Loss) على مجموعة تحقّق (Validation).
• Early stopping لتجنّب overfit.

7. قيِّم

• اختبر يدوياً على أسئلة لم يرها النموذج.
• استخدم LLM آخر (GPT-4) كحكم.
• قارن مع النموذج الأساسي بلا fine-tuning.

8. انشر

• Merge LoRA weights في النموذج (اختياري لسرعة الاستدلال).
• استضف على vLLM, TGI, أو Ollama.
• أو نموذج مغلق: OpenAI Fine-tuning endpoint.

أخطاء شائعة

** Overfitting**: تدريب طويل جداً على بيانات صغيرة. النموذج يحفظ الأمثلة بدل التعلّم.

** Underfitting**: تدريب قصير جداً أو LoRA rank صغير. لا تحسّن ملحوظ.

** بيانات سيّئة**: أخطاء إملائية، إجابات غير صحيحة، تنسيق غير متّسق.

** تجاهل التقييم**: تدريب بلا مجموعة اختبار = تخمين.

** إعادة اختراع العجلة**: كتابة كود من الصفر بدل استخدام أدوات ناضجة.

المستقبل

• QLoRA 2 / 3-bit / 2-bit: تكميم أعمق مع حفاظ على الجودة.
• DoRA (Weight-Decomposed LoRA): تحسين LoRA، 2024.
• Reinforcement Fine-tuning: OpenAI أطلقت 2024 (RFT)، قدرات جديدة.
• Continual Learning: fine-tuning بشكل مستمرّ بلا نسيان.

---

اقرأ أيضاً:

Fine-tuning للنماذج العربية — لماذا هو ضروري؟

النماذج الأساسية (Llama, Mistral) دُرِّبت أساساً على نصوص إنجليزية ومحتوى غربي. أداؤها في العربية:

• جيّد للاستخدامات العامّة: المحادثة، الترجمة، الأسئلة.
• ضعيف للاستخدامات المتخصّصة: الفقه، القانون السعودي، الطبّ المخصّص للسكّان السعوديّين، لهجات معيّنة.

Fine-tuning هو الحلّ. أمثلة على مشاريع سعودية وعربية:

الاستخدام العملي: إن كانت لديك بيانات متخصّصة (٥٠٠+ مثال جيّد) في مجال مثل الفقه أو القانون السعودي، يمكنك fine-tuning لنموذج مفتوح المصدر ليتخصّص فيه بأقلّ من ١٠٠ دولار على GPU سحابي.

دليل عملي لـFine-tuning على Colab أو Kaggle

البيئة الأنسب لغير المحترفين: Google Colab (T4 GPU مجّاني) أو Kaggle (١٢ ساعة GPU مجّاناً أسبوعياً). كلاهما يكفي لتجربة QLoRA على نماذج ٧B.

الخطوات:

1. جهّز البيانات: JSONL بسيط، كل سطر {"prompt": "...", "completion": "..."}.
2. اختر النموذج الأساسي: Llama 3.1 8B أو Mistral 7B (متوفّران على Hugging Face).
3. حمّل مكتبات PEFT: pip install peft transformers bitsandbytes.
4. اضبط hyperparameters: rank=16, alpha=32, learning_rate=2e-4, batch_size=4.
5. درّب: ٣-١٠ epochs بحسب حجم البيانات.
6. قيّم: باستخدام مجموعة اختبار منفصلة، قِس دقّة النموذج.
7. احفظ: النموذج المدرَّب على Hugging Face أو محلياً.

المدّة الفعلية للتدريب: ٢٠ دقيقة إلى ٤ ساعات بحسب حجم البيانات والنموذج. تكلفة إجمالية: صفر على Colab أو ٥-٢٠ دولاراً على GPU سحابي أفضل.

اعتبارات أخلاقية وقانونية

قبل نشر نموذج مدرَّب:

1. حقوق البيانات: هل بياناتك التدريبية مرخّصة تجارياً؟ نصوص من الإنترنت تخضع لحقوق التأليف.
2. التحيّز والانحياز: راجع مخرجات النموذج على أمثلة حسّاسة (نساء، أقلّيات) قبل النشر.
3. الخصوصية: لا تُدرِّب على بيانات تحوي معلومات شخصية حسّاسة.
4. الترخيص: نماذج مثل Llama لها ترخيص خاصّ — راجعه.
5. الامتثال المحلّي: إن كنت في السعودية، راجع سياسات سدايا قبل النشر.

مواضيع ذات صلة

• الذكاء الاصطناعي في التنبّؤ بالطقس، قفزة GraphCast
• Cohere، الشركة التي اختارت ألّا يعرفها أحد
• HUMAIN، شركة الذكاء الاصطناعي السعودية
• SDAIA، الهيئة السعودية للبيانات والذكاء الاصطناعي