fragaria

Fragaria - من 'r في الفراولة إلى معقدة حل المشكلات الذكاء الاصطناعي

سلسلة التفكير المتقدمة (COT) API مع تعلم التعزيز (RL)

Fragaria هي سلسلة من موظفي التفكير القوية والمرنة (COT) التي تستفيد من مزودي نموذج اللغة (LLM) وتتضمن تقنيات التعلم التعزيز (RL) لحل المشكلات المعقدة والإجابة على الأسئلة المعقدة. سميت Fragaria على اسم الجنس النباتي للفراولة ، تشيد بـ "كم عدد" R في الفراولة؟ " المشكلة ، ترمز إلى قدرتها على معالجة كل من الاستعلامات البسيطة والمعقدة مع براعة متساوية.

جدول المحتويات

• سمات
• تثبيت
• إعدادات
• الاستخدام
• وثائق API
• أمثلة
• المساهمة
• رخصة

سمات

• الدعم متعدد الأسعار : التبديل بسلاسة بين Openai و Groq و Together.ai كمقدمين LLM.
• سلسلة من التفكير الفكر : توظيف تقنيات COT متطورة لتحطيم وحل المشكلات المعقدة.
• تعلم التعزيز : استخدم خوارزميات RL لتحسين استراتيجيات حل المشكلات باستمرار والتكيف مع التحديات الجديدة.
• التعلم التكيفي : تعزيز الأداء بمرور الوقت من خلال نظام تسجيل قائم على SQLite مدمج مع تقنيات RL.
• قابلة للتكوين : ملف تكوين YAML سهل التحديث لإعداد مرن لكل من معلمات LLM و RL.
• وثائق Openapi : وثائق API شاملة مع Swagger UI و Redoc.
• دعم CORS : مشاركة موارد مضمنة في مجال الأصل لسهولة التكامل مع تطبيقات الويب.

تثبيت

1. استنساخ المستودع:

    git clone https://github.com/terraprompt/fragaria.git
   cd fragaria
   

2. إنشاء بيئة افتراضية (اختياري ولكن موصى بها):

    python -m venv venv
   source venv/bin/activate  # On Windows, use `venvScriptsactivate`
   

3. تثبيت التبعيات المطلوبة:

    pip install -r requirements.txt
   

إعدادات

1. انسخ ملف config.yaml.example إلى config.yaml :

    cp config.yaml.example config.yaml
   

2. افتح config.yaml وقم بتحديث الإعدادات التالية:

   • اضبط llm_provider المفضل لديك (Openai ، Groq ، أو معًا)
   • أضف مفاتيح API الخاصة بك لمقدمي الخدمات المعنية
   • اضبط أسماء النماذج إذا لزم الأمر
   • تعديل مسار قاعدة البيانات وإعدادات الخادم إذا لزم الأمر

الاستخدام

1. ابدأ خادم Fragaria API:

    python main.py
   

2. ستكون واجهة برمجة التطبيقات متاحة على http://localhost:8000 (أو المضيف/المنفذ المحدد في التكوين الخاص بك).

3. يمكنك الآن إرسال طلبات نشر إلى http://localhost:8000/v1/chat/completions لاستخدام سلسلة من إمكانيات التفكير في التفكير.

وثائق API

توفر Fragaria وثائق API شاملة:

• Swagger UI: http://localhost:8000/docs
• Redoc: http://localhost:8000/redoc
• مخطط Openapi JSON: http://localhost:8000/openapi.json

أمثلة

فيما يلي بعض المشكلات التي يمكنك حلها باستخدام Fragaria:

1. مشكلة الفراولة الكلاسيكية:

   {
     "model" : " faragia-dev " ,
     "messages" : [
       { "role" : " user " , "content" : " How many 'r's in strawberry? " }
     ]
   }

2. لغز أكثر تعقيدًا مرتبطًا بالعمر:

   {
     "model" : " faragia-dev " ,
     "messages" : [
       { "role" : " user " , "content" : " A princess is as old as the prince will be when the princess is twice as old as the prince was when the princess's age was half the sum of their present age. What is the age of prince and princess? Provide all solutions to that question. " }
     ]
   }

لحل هذه المشكلات ، أرسل طلبًا منشورًا إلى /v1/chat/completions مع حمولات JSON أعلاه.

كيف تعمل

تستخدم Fragaria عملية تفكير متطورة (COT) معززة من خلال التعلم التعزيز:

1. تصنيف المشكلة : يصنف مشكلة الإدخال في أنواع المشكلات المعروفة أو الجديدة.
2. توليد مسار COT : يخلق أساليب التفكير المتعددة لنوع المشكلة ، وتتأثر بالأداء السابق.
3. التنفيذ الموازي : يطبق كل مسار COT على المشكلة بشكل متزامن.
4. مجموعة النتيجة : تجميع النتائج من مسارات مختلفة.
5. التقييم : يسجل فعالية كل نهج.
6. تحديث التعلم التعزيز : يستخدم درجات التقييم كمكافآت لتحديث سياسة RL ، مما يؤثر على اختيارات وأجيال المسار المستقبلي.
7. التعلم التكيفي : يقوم بتحديث قاعدة بيانات التسجيل ونموذج RL لتحسين الأداء المستقبلي.

تتيح هذه العملية المحسنة لـ RL لمصطلحة لمجموعة واسعة من المشاكل فحسب ، بل تتيح أيضًا تعلم استراتيجياتها وتكييفها مع مرور الوقت ، مما أصبح فعالًا بشكل متزايد في حل أنواع المشاكل المألوفة والجديدة.

المساهمة

نرحب بالمساهمات في Fragaria! يرجى اتباع هذه الخطوات للمساهمة:

1. شوكة المستودع.
2. قم بإنشاء فرع جديد للميزة الخاصة بك أو إصلاح الأخطاء.
3. قم بإجراء التغييرات الخاصة بك وارتكابها برسائل واضحة وصفية.
4. ادفع التغييرات الخاصة بك على شوكة.
5. إرسال طلب سحب إلى مستودع Fragaria الرئيسي.

يرجى التأكد من أن الرمز الخاص بك يلتزم بمعايير ترميز المشروع وإدراج اختبارات للميزات الجديدة.

رخصة

يتم إصدار Fragaria تحت رخصة معهد ماساتشوستس للتكنولوجيا. انظر ملف الترخيص للحصول على التفاصيل.

اقتباس

إذا كنت تستخدم Fragaria في بحثك أو ترغب في الرجوع إليها في منشوراتك ، فيرجى استخدام إدخال Bibtex التالي:

 @software { fragaria2024 ,
  author       = { {Dipankar Sarkar} } ,
  title        = { Fragaria: Advanced Chain of Thought Reasoning API with Reinforcement Learning } ,
  year         = 2024 ,
  publisher    = { GitHub } ,
  journal      = { GitHub repository } ,
  howpublished = { url{https://github.com/terraprompt/fragaria} } ,
}

بالنسبة للأوراق الأكاديمية ، يمكنك الاستشهاد بـ Fragaria على النحو التالي:

Dipankar Sarkar. (2024). Fragaria: سلسلة متطورة من التفكير في API مع تعلم التعزيز [برنامج الكمبيوتر]. https://github.com/terraprompt/fragaria

---

يتم الحفاظ على Fragaria من قبل فريق Terraprompt. لأي أسئلة أو دعم ، يرجى فتح مشكلة على مستودع GitHub.