# அத்தியாயம் 02: சிறிய மொழி மாதிரி அடிப்படைகள்

இந்த விரிவான அடிப்படை அத்தியாயம் சிறிய மொழி மாதிரிகள் (SLMs) பற்றிய முக்கியமான ஆய்வை வழங்குகிறது, இதில் கோட்பாட்டுத் தத்துவங்கள், நடைமுறை செயல்படுத்தல் உத்திகள் மற்றும் தயாரிப்பு-தயார் பயன்பாட்டு தீர்வுகள் உள்ளடக்கப்பட்டுள்ளன. இந்த அத்தியாயம் நவீன திறனான AI கட்டமைப்புகளைப் புரிந்துகொள்வதற்கான முக்கிய அறிவு அடிப்படையை உருவாக்குகிறது மற்றும் பல்வேறு கணினி சூழல்களில் அவற்றின் மூலோபாயப் பயன்பாட்டை விளக்குகிறது.

## அத்தியாய அமைப்பு மற்றும் முன்னேற்றக் கற்றல் வடிவமைப்பு

### **[பகுதி 1: Microsoft Phi மாதிரி குடும்ப அடிப்படைகள்](./01.PhiFamily.md)**
துவக்கப் பகுதி Microsoft இன் முன்னோடித் தொழில்நுட்பமான Phi மாதிரி குடும்பத்தை அறிமுகப்படுத்துகிறது, குறைந்த கணினி தேவைகளுடன் சிறந்த செயல்திறனை அடையும் சுருக்கமான, திறனான மாதிரிகளை எப்படி உருவாக்குவது என்பதை விளக்குகிறது. இந்த அடிப்படைப் பகுதி கீழ்கண்டவற்றை உள்ளடக்கியது:

- **வடிவமைப்பு தத்துவத்தின் மேம்பாடு**: Phi-1 முதல் Phi-4 வரை Microsoft இன் Phi குடும்பத்தின் மேம்பாட்டை விரிவாக ஆராய்ந்து, "பாடநூல் தரம்" பயிற்சி முறை மற்றும் தீர்மான நேர அளவீட்டின் முக்கியத்துவத்தை விளக்குகிறது
- **திறன்-முதன்மை கட்டமைப்பு**: அளவீட்டு திறன் மேம்பாடு, பல்வேறு முறைமைகள் ஒருங்கிணைப்பு திறன்கள் மற்றும் CPU, GPU மற்றும் எட்ஜ் சாதனங்களில் ஹார்ட்வேருக்கு ஏற்ற மேம்பாடுகளை விரிவாக ஆராய்கிறது
- **சிறப்பு திறன்கள்**: கணித பணிகளுக்கான Phi-4-mini-reasoning, காட்சி-மொழி செயலாக்கத்திற்கான Phi-4-multimodal மற்றும் Windows 11 இல் உள்ளடக்கப்பட்ட Phi-3-Silica போன்ற துறை-சிறப்பு மாறுபாடுகளை விரிவாக விளக்குகிறது

இந்த பகுதி மாதிரி திறன் மற்றும் திறன்களை புதுமையான பயிற்சி முறைகள் மற்றும் கட்டமைப்பு மேம்பாடுகள் மூலம் ஒருங்கிணைக்க முடியும் என்ற அடிப்படை கொள்கையை நிறுவுகிறது.

### **[பகுதி 2: Qwen குடும்ப அடிப்படைகள்](./02.QwenFamily.md)**
இரண்டாவது பகுதி Alibaba இன் விரிவான திறந்த மூல அணுகுமுறையை அறிமுகப்படுத்துகிறது, திறந்த மற்றும் அணுகக்கூடிய மாதிரிகள் போட்டி செயல்திறனை எவ்வாறு அடைகின்றன என்பதை விளக்குகிறது. முக்கிய கவனம் செலுத்தும் பகுதிகள்:

- **திறந்த மூல சிறப்புமை**: Qwen 1.0 முதல் Qwen3 வரை Qwen இன் மேம்பாட்டை விரிவாக ஆராய்ந்து, 36 டிரில்லியன் டோக்கன்கள் அளவிலான பயிற்சி மற்றும் 119 மொழிகளில் பன்மொழி திறன்களை விளக்குகிறது
- **மேம்பட்ட காரணமறிதல் கட்டமைப்பு**: Qwen3 இன் புதுமையான "சிந்தனை முறை" திறன்கள், mixture-of-experts செயல்பாடுகள் மற்றும் குறியீட்டிற்கான (Qwen-Coder) மற்றும் கணிதத்திற்கான (Qwen-Math) சிறப்பு மாறுபாடுகளை விரிவாக விளக்குகிறது
- **அளவீட்டு பயன்பாட்டு விருப்பங்கள்**: 0.5B முதல் 235B அளவீட்டு வரம்புகளை விரிவாக ஆராய்ந்து, மொபைல் சாதனங்கள் முதல் நிறுவன கிளஸ்டர்கள் வரை பயன்பாட்டு சூழல்களை விளக்குகிறது

இந்த பகுதி திறந்த மூல AI தொழில்நுட்பத்தை ஜனநாயகமாக்குவதன் மூலம் போட்டி செயல்திறனை எவ்வாறு பராமரிக்க முடியும் என்பதை வலியுறுத்துகிறது.

### **[பகுதி 3: Gemma குடும்ப அடிப்படைகள்](./03.GemmaFamily.md)**
மூன்றாவது பகுதி Google இன் திறந்த மூல பன்மொழி AI க்கு விரிவான அணுகுமுறையை ஆராய்கிறது, ஆராய்ச்சி சார்ந்த மேம்பாடு எவ்வாறு அணுகக்கூடிய மற்றும் சக்திவாய்ந்த AI திறன்களை வழங்க முடியும் என்பதை விளக்குகிறது. இந்த பகுதி கீழ்கண்டவற்றை உள்ளடக்கியது:

- **ஆராய்ச்சி சார்ந்த புதுமை**: Gemma 3 மற்றும் Gemma 3n கட்டமைப்புகளை விரிவாக ஆராய்ந்து, Per-Layer Embeddings (PLE) தொழில்நுட்பம் மற்றும் மொபைல்-முதன்மை மேம்பாட்டு உத்திகளை விளக்குகிறது
- **பன்மொழி சிறப்புமை**: காட்சி-மொழி ஒருங்கிணைப்பு, ஆடியோ செயலாக்க திறன்கள் மற்றும் செயல்பாடு அழைக்கும் அம்சங்களை விரிவாக ஆராய்கிறது
- **மொபைல்-முதன்மை கட்டமைப்பு**: Gemma 3n இன் புரட்சிகரமான திறன் சாதனைகளை விரிவாக விளக்குகிறது, 2B-4B அளவீட்டு செயல்திறனை 2-3GB நினைவக அளவுடன் வழங்குகிறது

இந்த பகுதி முன்னணி ஆராய்ச்சியை நடைமுறை, அணுகக்கூடிய AI தீர்வுகளாக மாற்றுவதற்கான வழிகளை விளக்குகிறது.

### **[பகுதி 4: BitNET குடும்ப அடிப்படைகள்](./04.BitNETFamily.md)**
நான்காவது பகுதி Microsoft இன் 1-bit அளவீட்டிற்கான புரட்சிகர அணுகுமுறையை அறிமுகப்படுத்துகிறது, இது மிகுந்த திறனான AI பயன்பாட்டின் எல்லையை பிரதிநிதித்துவப்படுத்துகிறது. இந்த மேம்பட்ட பகுதி கீழ்கண்டவற்றை உள்ளடக்கியது:

- **புரட்சிகரமான அளவீட்டு முறை**: 1.58-bit அளவீட்டு முறையை ternary எடைகள் {-1, 0, +1} பயன்படுத்தி விரிவாக ஆராய்கிறது, 1.37x முதல் 6.17x வரை வேகத்தை அதிகரித்து 55-82% ஆற்றல் குறைப்பை அடைகிறது
- **மேம்பட்ட தீர்மான கட்டமைப்பு**: bitnet.cpp செயல்பாட்டை [https://github.com/microsoft/BitNet](https://github.com/microsoft/BitNet) இல் இருந்து விரிவாக ஆராய்கிறது, சிறப்பு கர்னல்கள் மற்றும் குறுக்குவெளி மேம்பாடுகள் மூலம் முன்னெப்போதும் இல்லாத திறன் மேம்பாடுகளை வழங்குகிறது
- **திறனான AI தலைமைத்துவம்**: சுற்றுச்சூழல் நன்மைகள், ஜனநாயகமான பயன்பாட்டு திறன்கள் மற்றும் புதிய பயன்பாட்டு சூழல்களை விரிவாக விளக்குகிறது

இந்த பகுதி AI திறனை மேம்படுத்துவதற்கான புரட்சிகரமான அளவீட்டு முறைகள் போட்டி செயல்திறனை பராமரிக்க எவ்வாறு உதவுகிறது என்பதை விளக்குகிறது.

### **[பகுதி 5: Microsoft Mu மாதிரி அடிப்படைகள்](./05.mumodel.md)**
ஐந்தாவது பகுதி Microsoft இன் Mu மாதிரியை ஆராய்கிறது, இது Windows சாதனங்களில் உள்ளடக்கப்பட்ட பயன்பாட்டிற்காக சிறப்பாக வடிவமைக்கப்பட்டுள்ளது. இந்த சிறப்பு பகுதி கீழ்கண்டவற்றை உள்ளடக்கியது:

- **சாதன-முதன்மை கட்டமைப்பு**: Windows 11 சாதனங்களில் உள்ளடக்கப்பட்ட Microsoft இன் சிறப்பு சாதன-மாதிரியை விரிவாக ஆராய்கிறது
- **கணினி ஒருங்கிணைப்பு**: Windows 11 இன் ஆழமான ஒருங்கிணைப்பை விரிவாக ஆராய்கிறது, AI மூலம் கணினி செயல்பாட்டை எவ்வாறு மேம்படுத்த முடியும் என்பதை விளக்குகிறது
- **தனியுரிமை-பாதுகாப்பு வடிவமைப்பு**: ஆஃப்லைன் செயல்பாடு, உள்ளூர் செயலாக்கம் மற்றும் தனியுரிமை-முதன்மை கட்டமைப்பை விரிவாக விளக்குகிறது

இந்த பகுதி Windows 11 இயங்குதள செயல்பாட்டை மேம்படுத்துவதற்கான சிறப்பு மாதிரிகள் தனியுரிமை மற்றும் செயல்திறனை எவ்வாறு பராமரிக்க முடியும் என்பதை விளக்குகிறது.

### **[பகுதி 6: Phi-Silica அடிப்படைகள்](./06.phisilica.md)**
கடைசி பகுதி Microsoft இன் Phi-Silica ஐ ஆராய்கிறது, இது Windows 11 Copilot+ PCs க்கான NPU ஹார்ட்வேருடன் உள்ளடக்கப்பட்ட மிகுந்த திறனான மொழி மாதிரி. இந்த மேம்பட்ட பகுதி கீழ்கண்டவற்றை உள்ளடக்கியது:

- **சிறந்த திறன் அளவீட்டு மதிப்புகள்**: Phi-Silica இன் சிறந்த செயல்திறனை விரிவாக ஆராய்கிறது, 650 டோக்கன்களை ஒரு வினாடியில் 1.5 வாட் மின்சாரத்தை மட்டுமே பயன்படுத்தி வழங்குகிறது
- **NPU மேம்பாடு**: Windows 11 Copilot+ PCs க்கான Neural Processing Units க்கு சிறப்பாக வடிவமைக்கப்பட்ட கட்டமைப்பை விரிவாக ஆராய்கிறது
- **டெவலப்பர் ஒருங்கிணைப்பு**: Windows App SDK ஒருங்கிணைப்பு, prompt engineering உத்திகள் மற்றும் Windows 11 பயன்பாடுகளில் Phi-Silica ஐ செயல்படுத்துவதற்கான சிறந்த நடைமுறைகளை விரிவாக விளக்குகிறது

இந்த பகுதி Windows 11 பயனர் சாதனங்களில் சிறந்த AI செயல்திறனை வழங்குவதற்கான ஹார்ட்வேர-மேம்பட்ட சாதன-மாதிரிகளின் முன்னணியை நிறுவுகிறது.

## விரிவான கற்றல் முடிவுகள்

இந்த அடிப்படை அத்தியாயத்தை முடித்த பிறகு, வாசகர்கள் கீழ்கண்டவற்றில் தேர்ச்சி அடைவார்கள்:

1. **கட்டமைப்பு புரிதல்**: பல்வேறு SLM வடிவமைப்பு தத்துவங்களை ஆழமாகப் புரிந்து, அவற்றின் பயன்பாட்டு சூழல்களுக்கான தாக்கங்களை அறிதல்
2. **செயல்திறன்-திறன் சமநிலை**: கணினி கட்டுப்பாடுகள் மற்றும் செயல்திறன் தேவைகளின் அடிப்படையில் சரியான மாதிரி கட்டமைப்புகளைத் தேர்ந்தெடுப்பதற்கான மூலோபாய முடிவு எடுக்கும் திறன்
3. **பயன்பாட்டு சுதந்திரம்**: சொந்த மேம்பாடு (Phi), திறந்த மூல அணுகுமுறை (Qwen), ஆராய்ச்சி சார்ந்த புதுமை (Gemma) மற்றும் புரட்சிகரமான திறன் (BitNET) ஆகியவற்றின் இடையிலான சமநிலைகளைப் புரிதல்
4. **எதிர்காலத்திற்கான பார்வை**: திறனான AI கட்டமைப்பில் உருவாகும் போக்குகள் மற்றும் அடுத்த தலைமுறை பயன்பாட்டு உத்திகளுக்கான தாக்கங்கள்

## நடைமுறை செயல்பாட்டு கவனம்

இந்த அத்தியாயம் முழுவதும் வலுவான நடைமுறை நோக்கத்தை பராமரிக்கிறது, இதில்:

- **முழுமையான குறியீட்டு உதாரணங்கள்**: ஒவ்வொரு மாதிரி குடும்பத்திற்கும் தயாரிப்பு-தயார் செயல்பாட்டு உதாரணங்கள், fine-tuning செயல்முறைகள், மேம்பாட்டு உத்திகள் மற்றும் பயன்பாட்டு அமைப்புகள்
- **விரிவான தரவுத்தொகுப்பு**: பல்வேறு மாதிரி கட்டமைப்புகளின் செயல்திறன் ஒப்பீடுகள், திறன் அளவீட்டு மதிப்புகள், திறன் மதிப்பீடுகள் மற்றும் பயன்பாட்டு உத்திகள்
- **நிறுவன பாதுகாப்பு**: தயாரிப்பு தரமான பாதுகாப்பு செயல்பாடுகள், கண்காணிப்பு உத்திகள் மற்றும் நம்பகமான பயன்பாட்டிற்கான சிறந்த நடைமுறைகள்
- **கட்டமைப்பு ஒருங்கிணைப்பு**: Hugging Face Transformers, vLLM, ONNX Runtime மற்றும் சிறப்பு மேம்பாட்டு கருவிகள் உள்ளிட்ட பிரபலமான கட்டமைப்புகளுடன் ஒருங்கிணைப்பிற்கான நடைமுறை வழிகாட்டுதல்

## மூலோபாய தொழில்நுட்ப சாலை வரைபடம்

இந்த அத்தியாயம் எதிர்கால நோக்கான பகுப்பாய்வுடன் முடிகிறது:

- **கட்டமைப்பு மேம்பாடு**: திறனான மாதிரி வடிவமைப்பு மற்றும் மேம்பாட்டில் உருவாகும் போக்குகள்
- **ஹார்ட்வேர ஒருங்கிணைப்பு**: சிறப்பு AI வேகப்படுத்திகளின் முன்னேற்றங்கள் மற்றும் அவற்றின் பயன்பாட்டு உத்திகளுக்கான தாக்கங்கள்
- **சூழல் மேம்பாடு**: பல்வேறு மாதிரி குடும்பங்களுக்கிடையிலான தரநிலை முயற்சிகள் மற்றும் இடையருந்து மேம்பாடுகள்
- **நிறுவன ஏற்றுக்கொள்வது**: நிறுவன AI பயன்பாட்டு திட்டமிடலுக்கான மூலோபாய கருத்துகள்

## உண்மையான உலக பயன்பாட்டு சூழல்கள்

ஒவ்வொரு பகுதியும் நடைமுறை பயன்பாடுகளின் விரிவான கவரேஜை வழங்குகிறது:

- **மொபைல் மற்றும் எட்ஜ் கணினி**: வளங்களின் கட்டுப்பாடுகளுடன் கூடிய சூழல்களுக்கு உகந்த பயன்பாட்டு உத்திகள்
- **நிறுவன பயன்பாடுகள்**: வணிக நுண்ணறிவு, தானியக்கம் மற்றும் வாடிக்கையாளர் சேவைக்கான அளவீட்டு தீர்வுகள்
- **கல்வி தொழில்நுட்பம்**: தனிப்பயன் கற்றல் மற்றும் உள்ளடக்க உருவாக்கத்திற்கான அணுகக்கூடிய AI
- **உலகளாவிய பயன்பாடு**: பன்மொழி மற்றும் கலாச்சார இடையருந்து AI பயன்பாடுகள்

## தொழில்நுட்ப சிறப்புமை தரநிலைகள்

இந்த அத்தியாயம் தயாரிப்பு-தயார் செயல்பாட்டை வலியுறுத்துகிறது:

- **மேம்பாட்டு திறன்**: மேம்பட்ட அளவீட்டு உத்திகள், தீர்மான மேம்பாடு மற்றும் வள மேலாண்மை
- **செயல்திறன் கண்காணிப்பு**: விரிவான அளவீட்டு சேகரிப்பு, எச்சரிக்கை அமைப்புகள் மற்றும் செயல்திறன் பகுப்பாய்வு
- **பாதுகாப்பு செயல்பாடு**: நிறுவன தரமான பாதுகாப்பு நடவடிக்கைகள், தனியுரிமை பாதுகாப்பு மற்றும் இணக்கத்தன்மை கட்டமைப்புகள்
- **அளவீட்டு திட்டமிடல்**: கணினி தேவைகள் அதிகரிக்கும் போது முறைமைகள் மற்றும் செங்குத்து அளவீட்டு உத்திகள்

இந்த அடிப்படை அத்தியாயம் மேம்பட்ட SLM பயன்பாட்டு உத்திகளுக்கான முக்கிய முன்னோடியாக செயல்படுகிறது, வெற்றிகரமான செயல்பாட்டிற்குத் தேவையான கோட்பாட்டுத் திறன்கள் மற்றும் நடைமுறை திறன்களை நிறுவுகிறது. விரிவான கவரேஜ் வாசகர்கள் தங்கள் குறிப்பிட்ட நிறுவன தேவைகளை பூர்த்தி செய்யும் திறனான AI தீர்வுகளை செயல்படுத்துவதற்கான அறிவார்ந்த கட்டமைப்பு முடிவுகளை எடுக்கவும், எதிர்கால தொழில்நுட்ப மேம்பாடுகளுக்கு தயாராக இருக்கவும் உதவுகிறது.

இந்த அத்தியாயம் முன்னணி AI ஆராய்ச்சி மற்றும் நடைமுறை பயன்பாட்டு உண்மைகள் இடையிலான இடைவெளியை நிரப்புகிறது, நவீன SLM கட்டமைப்புகள் செயல்திறனை வழங்குவதுடன் செயல்பாட்டு திறன், செலவுக் குறைவு மற்றும் சுற்றுச்சூழல் நிலைத்தன்மையை பராமரிக்க முடியும் என்பதை வலியுறுத்துகிறது.

---

**குறிப்பு**:  
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கின்றோம், ஆனால் தானியக்க மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளுங்கள். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.