🧮 خوارزمي | Al-Khwarizmi Math AI

نموذج الاستدلال الرياضي والشرح التربوي العصبي-الرمزي باللغة العربية

An Industrial-Grade, Neuro-Symbolic Mathematical Reasoner & Pedagogical Explainer

Developer GitHub Repo Base Model License


👤 معلومات المطور (Developer Profile)


📌 نبذة عن النموذج (Model Overview)

نموذج خوارزمي (Al-Khwarizmi Math AI) هو نموذج استدلالي متخصص تم تدريبه بالاعتماد على Qwen/Qwen2.5-Math-1.5B-Instruct لتقديم حلول وشروحات تربوية دقيقة خطوة بخطوة للمسائل والمعادلات الرياضية باللغة العربية الفصحى.

تم تصميم النموذج ليعمل ضمن معمارية عصبية-رمزية (Neuro-Symbolic Architecture) هجينة، حيث تتولى الشبكة العصبية تفكيك المسألة واستنتاج سلاسل التفكير المنطقي (<think>) وصياغة الشرح التربوي باللغة العربية، بينما يتولى المحرك الرمزي (SymPy) التحقق الحسابي القطعي لكل خطوة للقضاء التام على الهلوسة الحسابية.


🎯 تفاصيل التدريب المنهجي (Training Details)

  • تقنية التدريب: QLoRA (4-bit NormalFloat quantization with bfloat16 compute).
  • معاملات LoRA: رتبة المصفوفة $r = 16$، معامل التكبير $\alpha = 32$، ومعدل الإسقاط $\text{dropout} = 0.05$.
  • الوحدات المستهدفة (Target Modules): q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj.
  • المنهج التعليمي (Curriculum Learning): تم التدريب على 4 مراحل تصاعدية:
    1. المرحلة الأولى: العمليات الحسابية، أولويات العمليات، تبسيط الكسور، والمعادلات الخطية.
    2. المرحلة الثانية: المعادلات التربيعية، المميز الجبري، وتحليل المقادير.
    3. المرحلة الثالثة: الدوال الأسية واللوغاريتمية.
    4. المرحلة الرابعة: التفاضل، الاشتقاق، والتكامل.
  • التعلم التعزيزي (GRPO): تحسين الاستدلال عبر خوارزمية Group Relative Policy Optimization مع الإشراف على خطوات الحل (Process Supervision).

💻 طريقة استخدام النموذج برمجياً (Quick Inference Code)

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

BASE_MODEL = "Qwen/Qwen2.5-Math-1.5B-Instruct"
ADAPTER_REPO = "ModeAyman/Khwarizmi-Math-AI"

# 1. تحميل الموزع والنموذج الأساسي
tokenizer = AutoTokenizer.from_pretrained(BASE_MODEL, trust_remote_code=True)
base_model = AutoModelForCausalLM.from_pretrained(
    BASE_MODEL,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

# 2. دمج أوزان خوارزمي المدربة (LoRA)
model = PeftModel.from_pretrained(base_model, ADAPTER_REPO)
model.eval()

# 3. إعداد المدخل باللغة العربية
prompt = "حل المقدار التالي مع الشرح التربوي باللغة العربية وأولويات العمليات: 100 - 25 * 3 + 14"
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

# 4. توليد الحل الاستدلالي
outputs = model.generate(**inputs, max_new_tokens=512, temperature=0.3)
response = tokenizer.decode(outputs[0][len(inputs.input_ids[0]):], skip_special_tokens=True)
print(response)

📜 الترخيص (License)

هذا النموذج منشور ومتاح للاستخدام الأكاديمي والبحثي تحت رخصة MIT License.

Downloads last month
22
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for ModeAyman/Khwarizmi-Math-AI

Adapter
(21)
this model