LiquidAI: LFM2.5-2.6B (free)

Liquid AI LFM2.5-2.6B — Liquid’ning ixcham LFM2.5 oilasidagi, qurilmada ishlaydigan agentlar va amaliy jarayonlar uchun mo‘ljallangan qo‘shimcha o‘qitilgan matn modeli. Aynan model tavsifi 2,69B parametr va 30 qatlamni sanaydi: 22 ta ikki darvozali qisqa konvolyutsiya bloki va sakkizta guruhlangan so‘rovli diqqat bloki. Gibrid tuzilish samarali matn qayta ishlashga qaratilgan. Model matn qabul qilib, asoslangan javob yoki belgilangan funksiyadan foydalanish so‘rovini ham o‘z ichiga oladigan matn qaytaradi.

Ishlab chiqaruvchi uni agent vazifalari, vosita qo‘llash, ma’lumot ajratish, ma’lumot olish bilan boyitilgan generatsiya va uzun kontekstli jarayonlar uchun tavsiya qiladi. Relizning o‘qitish zanjiri nazoratli qo‘shimcha o‘qitish, ixtisoslashgan o‘qituvchi modellar, ko‘p sohadagi on-policy distillatsiya va agent muhitlaridagi mustahkamlovchi o‘qitishni birlashtiradi. Bu vazifa ko‘rsatmalariga amal qilish, vosita kuzatuvlaridan foydalanish va bir nechta qadamdan o‘tishga e’tiborini tushuntiradi. Bo‘shliqlarni keng o‘zlashtirilgan bilim bilan to‘ldirishga tayanmasdan, haqiqiy materiallar va aniq maqsad bering.

Ajratib olishda materialni berishdan oldin maydonlar va manba qoidalarini belgilang. Amaliy so‘rov: «Ushbu xizmat yangilanishlarini o‘qing, har yozuvning identifikatori, aytilgan holati va keyingi zarur harakatini ajrating, har maydonni asoslovchi jumlani saqlang. Maydon yo‘q bo‘lsa null qaytaring». Qiymatni aynan nusxalash, me’yorlashtirish yoki xulosa qilish kerakligini belgilang. Bu chiqishni tekshiriladigan qiladi va mantiqan ishonarli talqin manbada haqiqatan bor axborotni yashirin almashtirishiga to‘sqinlik qiladi.

RAG uchun barqaror belgili tegishli parchalarni bering va ularga tayangan javob so‘rang. Misol: «Faqat shu o‘rnatish ko‘rsatmalaridan foydalanib, aytilgan muhitga qaysi qadamlar mos kelishini tushuntiring va noma’lum qolgan dastlabki shartlarni sanang». Hujjat versiyalari va shartlarini matn bilan saqlang. Modeldan to‘liq jarayonni o‘ylab topish o‘rniga yetishmayotgan yoki zid faktni ko‘rsatishni so‘rang. Bu ixcham modeldan barcha maxsus bilimlarning to‘liq ombori bo‘lishni so‘rashga qaraganda ishlab chiqaruvchining manbaga tayangan vazifalar tavsiyasiga yaxshiroq mos keladi.

LFM2.5-2.6B — sof fikrlash modeli: chat shabloni yordamchi javobini fikrlash belgisi bilan boshlaydi va u yakuniy javobdan oldin fikrlaydi. Ishlab chiqaruvchi model tavsifi generatsiya uchun temperature 0.1, top-k 50 va repetition penalty 1.1’ni tavsiya qiladi. Bular nomlangan model yo‘riqnomasi sozlamalaridir. Yakuniy materialni fikrlash matnidan ajrating va ish so‘rovida ikkalasiga ham joy qoldiring. Boshqa LFM ko‘rsatma nashrlariga tegishli boshqaruvlar yoki bevosita javob rejimlarini bu modelda mavjud deb hisoblamang.

Model system, user, assistant va tool rollariga ega ChatML’ga o‘xshash suhbat formatidan foydalanadi. Hujjatlashtirilgan funksiya jarayoni to‘rt bosqichli: vositalarni belgilash, modelga funksiya so‘rash imkonini berish, uni ilovada bajarish va model javob berishi uchun haqiqiy natijani qaytarish. Model bevosita qo‘llab-quvvatlaydigan chaqiruvlar vosita chaqiruvi belgilari ichidagi Python uslubidagi ro‘yxatlardir; ishlab chiqaruvchi tizim ko‘rsatmasi orqali JSON chaqiruv formatini so‘rashni ham tavsiflaydi. Mos parserdan foydalaning, funksiya nomi va argumentlarni berilgan ta’riflar bilan tekshiring va natijani uni hosil qilgan chaqiruv bilan saqlang.

Ixcham agent jarayonida faqat joriy vazifaga tegishli funksiyalarni qisqa tavsiflar va aniq argument turlari bilan oching. Vosita ta’riflari ham kontekstni egallaydi. Foydali ketma-ketlik berilgan yozuv holatini olishi, uni qoidaga solishtirishi va keyingi harakat kerakligini tushuntirishi mumkin. Yozuv identifikatorini dalil sifatida bering va qaytgan kuzatuvga bog‘langan yakuniy javob so‘rang. Model operatsiyani taklif qiladi va talqin etadi; ilova haqiqiy bajarilish va natijani beradi.

Ishlab chiqaruvchining joriy tavsifi 131 072 tokenli model kontekstini ko‘rsatadi, reliz esa maxsus kontekst kengaytirish bosqichini tavsiflaydi. Ishlatilayotgan konfiguratsiya oynasi ichida ishlab, manba chegaralari, tegishli tarix va davom uchun joyni saqlang. Bir nechta hujjatda aniq taqqoslash yoki kuzatiladigan bog‘liqlikni so‘rang. Asl checkpoint, GGUF, ONNX va MLX materiallari turli joylashtirish ehtiyojlariga xizmat qiladi, spekulyativ dekodlash qoralamasi esa alohida hamroh materialdir. Bir konfiguratsiyaning resurs yoki tezlik sonlari barcha model formatlari va ish oynalarini avtomatik tavsiflamaydi.

Liquid LFM2.5-2.6B’ni agentli dasturlash yoki katta bilim talab qiladigan vazifalar uchun tavsiya etmasligini aniq aytadi. Uni berilgan dalillar, ajratish qoidalari va vosita kuzatuvlari bo‘lgan aniq jarayonlarga yo‘naltiring. Oldindan o‘qitilgan Base checkpoint ham moslashtirishga mo‘ljallangan alohida material; ushbu qo‘shimcha o‘qitilgan nashr esa agent modelidir. Yakuniy natijada ajratilgan qiymatlarni manbaga solishtiring, keltirilgan parcha javobni asoslashini tekshiring va so‘ralgan vosita chaqiruvini qayd etilgan natijali operatsiyadan ajrating. Ravon matn xulosaga ta’sir qiladigan ochiq axborotni yashirishiga yo‘l qo‘ymasdan uni saqlang.