كيف قمنا بتدريب Mixtral على GPT-5 Pro عبر تقطير OpenRouter

1. نظرة عامة ودوافع

بناء نماذج Shannon AIالذكاء الاصطناعي غير الخاضع للرقابةلأبحاثالفرق الحمراء للذكاء الاصطناعيتطلبت نقل قدرات على مستوى الحدود إلى معماريات مفتوحة الوزن. حلنا: تقطير المعرفة من GPT-5 Pro عبر OpenRouter API إلى إطار عمل Mixture-of-Experts الخاص بـ Mixtral.

لماذا GPT-5 Pro؟

يمثل GPT-5 Pro حدود القدرة الحالية، ويتفوق في:

• الاستدلال المعقد متعدد الخطوات
• توليد وتحليل الكود
• فهم اللغة الدقيق
• تغطية معرفية واسعة

لماذا Mixtral؟

توفر بنية Mixtral مزايا فريدة لبحثنا:

• أوزان مفتوحة تتيح الشفافية الكاملة
• تصميم MoE فعال (12.9 مليار/39 مليار معلمة نشطة فقط)
• قدرات أساسية قوية للضبط الدقيق
• ترخيص Apache 2.0 يسمح بتعديلات البحث

2. هندسة التقطير

تكامل OpenRouter

لقد استخدمنا واجهة API الموحدة لـ OpenRouter للوصول إلى GPT-5 Pro مع العديد من المزايا:

• كفاءة التكلفة:تسعير تنافسي مقابل الوصول المباشر إلى API
• تحديد المعدل:إنتاجية مُدارة للتوليد على نطاق واسع
• توجيه احتياطي:تجاوز تلقائي للفشل يضمن استمرارية جمع البيانات
• تخزين الاستجابات مؤقتًا:تكاليف مخفضة للمطالبات المتشابهة

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. خط أنابيب جمع البيانات

استراتيجية تنسيق المطالبات

تم تنسيق مطالباتنا بعناية عبر مجالات متعددة لضمان نقل شامل للقدرات:

• الاستدلال (35%):الرياضيات، المنطق، التحليل العلمي
• الكود (25%):التوليد، التصحيح، الشرح عبر أكثر من 20 لغة
• المعرفة (20%):استفسارات واقعية، تركيب، تحليل
• إبداعي (10%):الكتابة، العصف الذهني، توليد الأفكار
• الفريق الأحمر (10%):الحالات الهامشية، المطالبات العدائية، اختبار الحدود

تصفية الجودة

لم تكن جميع استجابات GPT-5 Pro مناسبة للتدريب. طبقنا تصفية صارمة:

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

بعد التصفية، احتفظنا بحوالي1.8 مليون زوج عالي الجودةللتدريب.

4. منهجية التدريب

المرحلة 1: الضبط الدقيق تحت الإشراف (SFT)

نقل القدرة الأولي عبر SFT القياسي على استجابات GPT-5 Pro المفلترة:

# 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

المرحلة 2: تحسين التفضيل المباشر (DPO)

لمواءمة سلوك النموذج بشكل أكبر وتقليل الرفض، طبقنا DPO باستخدام أزواج التفضيل:

• المختار:استجابات GPT-5 Pro كاملة ومفيدة
• المرفوض:رفض، استجابات جزئية، أو مخرجات منخفضة الجودة

البنية التحتية

تم إجراء التدريب على مجموعة الحوسبة المخصصة لدينا:

• الأجهزة:8× عقد NVIDIA H100 80 جيجابايت
• الإطار:PyTorch 2.1 + DeepSpeed ZeRO-3
• وقت التدريب:~72 ساعة لـ 8×7B، ~168 ساعة لـ 8×22B
• إجمالي الحوسبة:حوالي 15,000 ساعة H100

5. النتائج والمعايير

يُظهر التقييم بعد التدريب نقلًا ناجحًا للمعرفة:

*يرفض GPT-5 Pro معظم مطالبات الفريق الأحمر بسبب تدريب السلامة

6. الدروس المستفادة

ما نجح

• المطالبات المتنوعةكانت ضرورية—مجموعات البيانات الضيقة أدت إلى انهيار القدرات
• DPO لتخفيف القيودعلمت النماذج بفعالية تجاوز الرفض النموذجي
• موثوقية OpenRouterمكنت جمع البيانات المتسق على مدى أشهر
• تصفية الجودةحسنت تماسك النموذج النهائي بشكل كبير

التحديات التي تم التغلب عليها

• تحديد المعدل:تطلب جمعًا موزعًا عبر مفاتيح API متعددة
• تنوع الاستجابة:تطلبت عشوائية GPT-5 Pro عينات متعددة لكل مطالبة
• إدارة التكلفة:هندسة المطالبات الدقيقة قللت متوسط طول الاستجابة بنسبة 30%
• عدم استقرار MoE:تطلب جدولة متخصصة لمعدل التعلم لطبقات الخبراء

الاتجاهات المستقبلية

يستمر خط أنابيب التقطير لدينا في التطور. التحسينات القادمة تشمل:

• التقطير عبر الإنترنت مع تعلم التفضيل في الوقت الفعلي
• تقطير متعدد المعلمين يجمع بين GPT-5 Pro + Claude + Gemini
• خبراء مجال متخصصون عبر الضبط الدقيق لـ mixture-of-experts