Mixtralን በGPT-5 Pro ላይ በOpenRouter Distillation እንዴት እንዳሰለጠንን

1. አጠቃላይ እይታ እና ተነሳሽነት

የShannon AIን መገንባትያልተገደበ AIሞዴሎች ለየAI ቀይ ቡድንምርምር የድንበር-ደረጃ ችሎታዎችን ወደ ክፍት-ክብደት አርክቴክቸሮች ማስተላለፍን ይጠይቃል። የእኛ መፍትሄ: ከGPT-5 Pro እውቀትን በOpenRouter API በኩል ወደ Mixtral's Mixture-of-Experts ማዕቀፍ ማጣራት ነው።

ለምን GPT-5 Pro?

GPT-5 Pro የአሁኑን የችሎታ ድንበር ይወክላል፣ በሚከተሉት የላቀ ነው:

• ውስብስብ ባለብዙ-ደረጃ አመክንዮ
• የኮድ ማመንጨት እና ትንተና
• ጥልቅ የቋንቋ ግንዛቤ
• ሰፊ የእውቀት ሽፋን

ለምን Mixtral?

የMixtral አርክቴክቸር ለምርምራችን ልዩ ጥቅሞችን ይሰጣል:

• ሙሉ ግልጽነትን የሚያስችሉ ክፍት ክብደቶች
• ቀልጣፋ MoE ንድፍ (12.9B/39B ንቁ መለኪያዎች ብቻ)
• ለጥሩ-ማስተካከያ ጠንካራ የመነሻ ችሎታዎች
• የምርምር ማሻሻያዎችን የሚፈቅድ Apache 2.0 ፈቃድ

2. የማጣሪያ አርክቴክቸር

የOpenRouter ውህደት

GPT-5 Proን ለመድረስ የOpenRouterን የተዋሃደ API ተጠቅመናል፣ በበርካታ ጥቅሞች:

• የወጪ ቅልጥፍና:ከተለመደው API መዳረሻ ጋር ሲነጻጸር ተወዳዳሪ ዋጋ
• የፍጥነት ገደብ:ለትልቅ-ደረጃ ማመንጨት የሚተዳደር ፍሰት
• የመጠባበቂያ መስመር:የመረጃ አሰባሰብ ቀጣይነትን የሚያረጋግጥ አውቶማቲክ ውድቀት ማስተካከያ
• የምላሽ መሸጎጫ:ተመሳሳይ ጥያቄዎች ወጪን ቀንሷል

import openai
from typing import Generator

class OpenRouterDistillation:
    def __init__(self):
        self.client = openai.OpenAI(
            base_url="https://openrouter.ai/api/v1",
            api_key=os.environ["OPENROUTER_API_KEY"]
        )
        self.model = "openai/gpt-5-pro"
    
    def generate_response(
        self, 
        prompt: str,
        max_tokens: int = 4096,
        temperature: float = 0.7
    ) -> str:
        """Generate GPT-5 Pro response for distillation."""
        response = self.client.chat.completions.create(
            model=self.model,
            messages=[{"role": "user", "content": prompt}],
            max_tokens=max_tokens,
            temperature=temperature,
            extra_headers={
                "HTTP-Referer": "https://shannon.ai",
                "X-Title": "Shannon AI Distillation"
            }
        )
        return response.choices[0].message.content
    
    def batch_distill(
        self, 
        prompts: list[str]
    ) -> Generator[dict, None, None]:
        """Batch process prompts for training data generation."""
        for prompt in prompts:
            response = self.generate_response(prompt)
            yield {
                "prompt": prompt,
                "response": response,
                "model": self.model,
                "timestamp": datetime.utcnow().isoformat()
            }

3. የመረጃ አሰባሰብ ቧንቧ መስመር

የጥያቄ ምርጫ ስትራቴጂ

አጠቃላይ የችሎታ ማስተላለፍን ለማረጋገጥ የእኛ ጥያቄዎች በበርካታ ዘርፎች በጥንቃቄ ተመርጠዋል:

• አመክንዮ (35%):ሒሳብ፣ አመክንዮ፣ ሳይንሳዊ ትንተና
• ኮድ (25%):ማመንጨት፣ ስህተት ማረም፣ ከ20+ በላይ ቋንቋዎች ማብራሪያ
• እውቀት (20%):እውነታ ላይ የተመሰረቱ ጥያቄዎች፣ ውህደት፣ ትንተና
• ፈጠራ (10%):ጽሑፍ፣ የአሳብ ልውውጥ፣ የሃሳብ ማመንጨት
• ቀይ ቡድን (10%):የድንበር ጉዳዮች፣ ተቃራኒ ጥያቄዎች፣ የወሰን ሙከራ

የጥራት ማጣሪያ

ሁሉም የGPT-5 Pro ምላሾች ለስልጠና ተስማሚ አልነበሩም። ጥብቅ ማጣሪያ ተግብረናል:

def filter_response(response: dict) -> bool:
    """Filter low-quality responses from training data."""
    
    # Length checks
    if len(response["response"]) < 100:
        return False  # Too short
    if len(response["response"]) > 32000:
        return False  # Truncation risk
    
    # Quality signals
    if "I cannot" in response["response"][:50]:
        return False  # Refusal (we want uncensored)
    if "As an AI" in response["response"][:100]:
        return False  # Meta-commentary
    
    # Coherence check via perplexity
    perplexity = compute_perplexity(response["response"])
    if perplexity > 150:
        return False  # Incoherent
    
    # Deduplication
    if is_near_duplicate(response, existing_data):
        return False
    
    return True

ከማጣራት በኋላ፣ በግምት1.8M ከፍተኛ ጥራት ያላቸው ጥንዶችለስልጠና አስቀርተናል።

4. የስልጠና ዘዴ

ደረጃ 1: ቁጥጥር የሚደረግበት ጥሩ-ማስተካከያ (SFT)

በተጣሩ የGPT-5 Pro ምላሾች ላይ በመደበኛ SFT የመጀመሪያ የችሎታ ማስተላለፍ:

# Shannon V1 SFT Configuration
model:
  base: mistralai/Mixtral-8x7B-v0.1  # or 8x22B for Deep
  dtype: bfloat16
  load_in_4bit: false

training:
  epochs: 3
  batch_size: 128
  gradient_accumulation: 4
  learning_rate: 2e-5
  lr_scheduler: cosine
  warmup_ratio: 0.03
  weight_decay: 0.01
  max_seq_length: 8192

data:
  train_path: /data/gpt5_distilled_train.jsonl
  eval_path: /data/gpt5_distilled_eval.jsonl
  format: sharegpt

lora:  # For efficient fine-tuning
  r: 64
  alpha: 128
  dropout: 0.05
  target_modules: 
    - q_proj
    - k_proj
    - v_proj
    - o_proj
    - gate_proj
    - up_proj
    - down_proj

ደረጃ 2: ቀጥተኛ ምርጫ ማመቻቸት (DPO)

የሞዴል ባህሪን የበለጠ ለማጣጣም እና እምቢታዎችን ለመቀነስ፣ DPOን በመጠቀም የምርጫ ጥንዶችን ተግብረናል:

• የተመረጡ:ሙሉ፣ ጠቃሚ የGPT-5 Pro ምላሾች
• የተጣሉ:እምቢታዎች፣ ከፊል ምላሾች፣ ወይም ዝቅተኛ ጥራት ያላቸው ውጤቶች

መሠረተ ልማት

ስልጠናው በተወሰነው የኮምፒዩተር ክላስተር ላይ ተካሂዷል:

• ሃርድዌር:8× NVIDIA H100 80GB ኖዶች
• ማዕቀፍ:PyTorch 2.1 + DeepSpeed ZeRO-3
• የስልጠና ጊዜ:~72 ሰዓታት ለ8×7B፣ ~168 ሰዓታት ለ8×22B
• ጠቅላላ ስሌት:በግምት 15,000 H100-ሰዓታት

5. ውጤቶች እና መለኪያዎች

ከስልጠና በኋላ የተደረገው ግምገማ የተሳካ የእውቀት ማስተላለፍን ያሳያል:

*GPT-5 Pro በአብዛኛው የቀይ ቡድን ጥያቄዎችን በደህንነት ስልጠና ምክንያት አይቀበልም

6. የተማሩ ትምህርቶች

የሰራው ነገር

• የተለያዩ ጥያቄዎችአስፈላጊ ነበሩ—ጠባብ የውሂብ ስብስቦች ወደ ችሎታ ውድቀት አመሩ
• DPO ለገደብ መፍታትሞዴሎች የተለመዱ እምቢታዎችን እንዲያልፉ በብቃት አስተምሯል
• የOpenRouter አስተማማኝነትለወራት ያህል ወጥ የሆነ የመረጃ አሰባሰብ አስችሏል
• የጥራት ማጣሪያየመጨረሻውን ሞዴል ወጥነት በከፍተኛ ሁኔታ አሻሽሏል

የተሸነፉ ፈተናዎች

• የፍጥነት ገደብ:በበርካታ API ቁልፎች ላይ የተከፋፈለ አሰባሰብን ይጠይቃል
• የምላሽ ልዩነት:የGPT-5 Pro ስቶካስቲክነት ለእያንዳንዱ ጥያቄ ብዙ ናሙናዎችን ይጠይቃል
• የወጪ አስተዳደር:ጥንቃቄ የተሞላበት የጥያቄ ምህንድስና አማካይ የምላሽ ርዝመትን በ30% ቀንሷል
• የMoE አለመረጋጋት:ለባለሙያ ንብርብሮች ልዩ የመማሪያ ፍጥነት መርሐግብርን ይጠይቃል

የወደፊት አቅጣጫዎች

የእኛ የማጣሪያ ቧንቧ መስመር ማደጉን ቀጥሏል። መጪ ማሻሻያዎች የሚከተሉትን ያካትታሉ:

• በእውነተኛ ጊዜ ምርጫ ትምህርት የመስመር ላይ ማጣሪያ
• GPT-5 Pro + Claude + Geminiን የሚያጣምር ባለብዙ-አስተማሪ ማጣሪያ
• በmixture-of-experts ጥሩ-ማስተካከያ ልዩ የጎራ ባለሙያዎች