Qwen-ის ახალი Qwen-3 მოდელი თავის წინამორბედებთან, Qwen-2.5-თან და QwQ-თან შედარებით, ბევრად დახვეწილი ჩატის შაბლონით გამოირჩევა. Jinja შაბლონში არსებული განსხვავებების დათვალიერებით, ჩვენ შეგვიძლია საინტერესო დასკვნები გამოვიტანოთ ახალი მოდელის შესახებ. ჩატის შაბლონი განსაზღვრავს, თუ როგორ არის სტრუქტურირებული და ფორმატირებული საუბრები მომხმარებლებსა და მოდელებს შორის. შაბლონი მოქმედებს როგორც მთარგმნელი, რომელიც ადამიანისთვის გასაგებ საუბარს მოდელისთვის შესაფერის ფორმატად გარდაქმნის. მოცემული მოდელისთვის ჩატის შაბლონის ნახვა მარტივად შეგიძლიათ Hugging Face-ის მოდელის გვერდზე, მაგალითად, Qwen/Qwen3-235B-A22B-ისთვის. მოდით, სიღრმისეულად განვიხილოთ Qwen-3-ის ჩატის შაბლონი და ვნახოთ, რისი სწავლა შეგვიძლია! Qwen-3 უნიკალურია იმით, რომ მას შეუძლია აზროვნების (reasoning) ფუნქციის ჩართვა-გამორთვა `enable_thinking` დროშის საშუალებით. როდესაც ის `false`-ზეა დაყენებული, შაბლონი ათავსებს ცარიელ წყვილს, რაც მოდელს ეუბნება, გამოტოვოს ნაბიჯ-ნაბიჯ აზროვნება. ადრინდელი მოდელები ტეგს ათავსებდნენ ყოველ თაობაში, რაც აიძულებდა ჯაჭვურ აზროვნებას (chain-of-thought), გსურდათ ეს თუ არა. მაგალითად, QwQ აიძულებს აზროვნებას ყოველ საუბარში. თუ `enable_thinking` `true`-ზეა დაყენებული, მოდელს შეუძლია გადაწყვიტოს, იაზროვნოს თუ არა. შაბლონის ტესტირება შესაძლებელია შესაბამისი კოდის გამოყენებით. Qwen-3 იყენებს „მოძრავი საგუშაგო პუნქტის“ (rolling checkpoint) სისტემას, რომელიც ინტელექტუალურად ინახავს ან ჭრის აზროვნების ბლოკებს რელევანტური კონტექსტის შესანარჩუნებლად. ძველი მოდელები ნაადრევად აუქმებდნენ აზროვნებას ტოკენების დაზოგვის მიზნით. Qwen-3 წარმოგიდგენთ „მოძრავ საგუშაგო პუნქტს“ შეტყობინებების სიის უკუღმა გადაკვეთით, რათა იპოვოს მომხმარებლის უახლესი შემობრუნება, რომელიც არ იყო ხელსაწყოს გამოძახება (tool call). ამ ინდექსის შემდეგ ასისტენტის ნებისმიერი პასუხისთვის ის ინახავს სრულ ბლოკებს; ყველაფერი ადრეული ამოღებულია. ეს მექანიზმი უზრუნველყოფს აზროვნების ჯაჭვის ეფექტურ შენარჩუნებას ინსტრუმენტების გამოძახების დროს, რაც მნიშვნელოვანი გაუმჯობესებაა QwQ-თან შედარებით. ჩატის შაბლონების ტესტირებისთვის შეგიძლიათ იხილოთ @huggingface/jinja. ადრე, `tool_call.arguments` ველის ყოველი მნიშვნელობა გადაეცემოდა `| tojson`-ის მეშვეობით, თუნდაც ის უკვე JSON-კოდირებული სტრიქონი ყოფილიყო, რაც ორმაგი გაქცევის (double-escaping) რისკს ქმნიდა. Qwen-3 ჯერ ამოწმებს ტიპს და მხოლოდ საჭიროების შემთხვევაში ახდენს სერიალიზაციას, რაც ამცირებს შეცდომების ალბათობას. მრავალი მოდელის მსგავსად, Qwen-2.5 სერიას აქვს ნაგულისხმევი სისტემის პრომპტი: „თქვენ ხართ Qwen, შექმნილი Alibaba Cloud-ის მიერ. თქვენ ხართ სასარგებლო ასისტენტი.“ ეს საკმაოდ გავრცელებულია, რადგან ეხმარება მოდელებს მომხმარებლის კითხვებზე პასუხის გაცემაში, როგორიცაა „ვინ ხარ შენ?“. Qwen-3 და QwQ ამ ნაგულისხმევი სისტემის პრომპტის გარეშე მოდიან. მიუხედავად ამისა, მოდელს მაინც შეუძლია ზუსტად ამოიცნოს თავისი შემქმნელი, თუ ამას ჰკითხავთ. Qwen-3 გვიჩვენებს, რომ `chat_template`-ის მეშვეობით შეგვიძლია უზრუნველვყოთ უკეთესი მოქნილობა, უფრო ჭკვიანი კონტექსტის მართვა და გაუმჯობესებული ხელსაწყოებთან ურთიერთქმედება. ეს გაუმჯობესებები არა მხოლოდ ზრდის მოდელის შესაძლებლობებს, არამედ აგენტიკურ სამუშაო პროცესებს უფრო საიმედოს და ეფექტურს ხდის. ასევე, ხშირად ჩნდება კითხვა, თუ რატომ იყენებს ეს შაბლონი ზოგჯერ „ბრა და კეტ“ სიმბოლოებს, როგორიცაა <|im_start|> და <|im_end|>, სხვა დროს კი XML ნოტაციას, როგორიცაა და , ნაცვლად <|think_start|> და <|think_end|>? „ბრა და კეტ“ სიმბოლოების გამოყენებით იდენტიფიკატორები არის ტოკენები, რაც იმას ნიშნავს, რომ ისინი ფაქტობრივად ამოცნობილია და გადაკეთებულია ერთ „სპეციალურ“ ტოკენად ტოკენაიზერის მიერ. მაგალითად, <|im_end|> გამოიყენება როგორც EOS_TOKEN. (ეს დეტალი მნიშვნელოვანია, თუკი ამ Qwen მოდელების ფაინ-ტიუნინგს ცდილობთ, რადგან საჭიროა ექსპლიციტურად დააყენოთ `eos_token='<|im_end|>'` თქვენს კონფიგურაციაში.) XML-ის სტილის იდენტიფიკატორები კი არის ფლეისჰოლდერები, რომლებიც განსაზღვრავენ გენერირებული გამომავალი მონაცემების სექციებს. ისინი ტოკენიზდება ისევე, როგორც ნებისმიერი სხვა ტექსტი (ანუ, ისინი ალბათ გარდაიქმნება მრავალ ტოკენად, რაც ლექსიკაზეა დამოკიდებული), მათ არ აქვთ წინასწარ განსაზღვრული განსაკუთრებული მნიშვნელობა და მათი გამოყენება ისწავლება მოდელის მიერ ტრენინგის დროს. აღსანიშნავია, რომ კონკრეტული ფლეისჰოლდერები და საკმაოდ სტანდარტულია აზროვნების (reasoning) მოდელებში.