قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
بنية المحولات
هيكل عصبي ثوري يعتمد على آلية الانتباه التي تشكل أساس نماذج اللغة الكبيرة الحديثة.
آلية الانتباه
عملية تسمح للنماذج بتحديد أهمية الرموز المختلفة في تسلسل لفهم العلاقات السياقية.
التدريب المسبق والمجموعات النصية
مرحلة التدريب الأولية على تريليونات من الرموز لاكتساب معرفة عامة باللغة والعالم.
الضبط الدقيق المُشرف عليه
عملية تكييف نموذج لغوي كبير (LLM) مُدرب مسبقًا لمهام محددة باستخدام بيانات مُصنفة.
ترميز
عملية تحويل النص إلى وحدات منفصلة (رموز) يمكن للنماذج معالجتها رياضيًا.
هندسة الأوامر
فن وعلم تصميم التعليمات المثلى لتوجيه نماذج اللغة الكبيرة (LLM) نحو الاستجابات المطلوبة.
RAG (التوليد المعزز بالاسترجاع)
تقنية تجمع بين استرجاع المعلومات الخارجية والتوليد لتحسين دقة الإجابات وحداثتها.
التقييم والتحسين
تقنيات تقليل حجم النماذج وتسريع الاستدلال مع الحفاظ على الأداء.
RLHF (التعلم المعزز من التغذية الراجعة البشرية)
طريقة لمواءمة نماذج اللغة الكبيرة (LLM) مع التفضيلات البشرية عبر التعلم المعزز.
وكلاء نماذج اللغة الكبيرة
أنظمة قادرة على استخدام نماذج اللغة الكبيرة (LLM) للتفكير والتخطيط وتنفيذ المهام المعقدة بشكل مستقل.
تعدد الوسائط
قدرة نماذج اللغة الكبيرة (LLMs) على معالجة وإنشاء محتوى يجمع بين النصوص والصور والصوت والوسائط الأخرى.
المعايير والتقييم
مقاييس ومجموعات اختبار موحدة لقياس أداء نماذج اللغة الكبيرة (LLM) بموضوعية في مهام متنوعة.
LoRA والضبط الدقيق الفعال
تقنيات الضبط الدقيق البارامتري الفعال التي تسمح بتكييف نماذج اللغة الكبيرة (LLMs) بموارد حاسوبية محدودة.
نافذة السياق الموسعة
تطورات تقنية تسمح لنماذج اللغة الكبيرة بمعالجة سياقات أطول بكثير للتطبيقات المعقدة.
الأمان والمواءمة
طرق لضمان أن نماذج اللغة الكبيرة (LLM) تنتج استجابات آمنة وأخلاقية ومتوافقة مع القيم الإنسانية.
قوانين القياس
المبادئ الرياضية التي تحكم العلاقة بين حجم النماذج، وبيانات التدريب، والأداء.
الاستدلال في الوقت الفعلي
تحسينات الأجهزة والبرامج لتمكين استجابات فورية من نماذج اللغة الكبيرة (LLM) في بيئات الإنتاج.