قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التحفيز باللقطات القليلة (Few-Shot Prompting)
طريقة تحسين تتضمن عددًا صغيرًا من الأمثلة (عادةً 1 إلى 5) في الموجه لتوجيه النموذج نحو التنسيق أو النبرة أو نوع الاستجابة المتوقع.
التحفيز بسلسلة الأفكار (Chain-of-Thought (CoT) Prompting)
تقنية متقدمة تحث نموذج اللغة الكبير (LLM) على تفكيك منطقه إلى خطوات منطقية وواضحة قبل تقديم الإجابة النهائية، مما يحسن الدقة في المهام المعقدة.
شجرة الأفكار (Tree of Thoughts (ToT))
إطار عمل استكشافي يصمم استدلال نموذج اللغة الكبير (LLM) كشجرة، حيث تمثل كل عقدة فكرة أو خطوة، مما يسمح بتقييم واختيار مسارات الاستدلال الواعدة.
التحفيز البشري (Anthropomorphic Prompting)
تقنية تتضمن تعيين شخصية أو دور أو هوية لنموذج اللغة الكبير (LLM) في الموجه (مثال: 'تصرف كخبير في...')، لتأطير استجابته وتحسين ملاءمتها.
التحفيز من الأقل إلى الأكثر (Least-to-Most Prompting)
استراتيجية تفكك مشكلة معقدة إلى سلسلة من المشكلات الفرعية الأبسط، يتم حلها بالتسلسل، حيث تُستخدم كل حل للمساعدة في حل المشكلة التالية.
التحفيز الموجه (Directional Stimulus Prompting)
تقنية توجه النموذج عن طريق إضافة مؤشرات أو عبارات محددة (محفزات) في الموجه لتوجيه التوليد نحو مجال أو نمط أو سمة دلالية معينة.
ريآكت (ReAct (Reasoning and Acting))
نموذج يربط الاستدلال بسلسلة الأفكار بخطوات العمل، مما يسمح لنموذج اللغة الكبير (LLM) بإنشاء خطط استدلال، وتنفيذ الإجراءات (مثل عمليات البحث)، والتكرار.
التعزيز السياقي (Contextual Reinforcement)
ممارسة إضافة عبارات تعزيز إيجابية أو سلبية مباشرة في الموجه (مثال: 'أجب بدقة'، 'تجنب المعلومات غير المؤكدة') للتأثير على سلوك النموذج.
PAL (نماذج اللغة بمساعدة البرمجة)
نهج يفوض خطوات الحساب إلى مفسر أكواد (مثل بايثون)، عن طريق مطالبة نموذج اللغة الكبير (LLM) بتوليد الكود اللازم لحل جزء من المشكلة، ثم تنفيذ هذا الكود.