قاموس الذكاء الاصطناعي

قاعدة المعارف المتجهة

تخزين متخصص مُحسّن للتضمينات (embeddings)، مما يتيح عمليات بحث سريعة عن التشابه الدلالي على نطاق واسع عبر فهارس مثل HNSW أو IVF.

HyDE (تضمينات المستندات الافتراضية)

تقنية متقدمة حيث يقوم نموذج اللغة الكبير (LLM) أولاً بإنشاء مستند افتراضي مثالي، ثم يستخدم تضمينه لتوجيه البحث نحو المستندات ذات الصلة فعليًا.

إعادة الترتيب المتقاطع (Cross-Reranking)

طريقة لتقييم الصلة حيث يعالج النموذج الاستعلام والمستند المرشح في وقت واحد، على عكس نهج التشفير الثنائي (bi-encoder) القياسي.

تفكيك الاستعلام

استراتيجية يتم فيها تفكيك استعلام معقد تلقائيًا إلى استعلامات فرعية أبسط لتحسين دقة استرجاع المعلومات متعددة الأوجه.

RAG المتزامن مقابل غير المتزامن

تمييز بين النهج المتزامن (البحث والتوليد في نفس الاستدعاء) والنهج غير المتزامن (الفهرسة المسبقة والاسترجاع في الوقت الفعلي) وفقًا لقيود زمن الاستجابة.

تشكيل الموجه (Prompt Shaping)

فن تحسين بنية موجه RAG، بما في ذلك وضع السياقات المسترجعة، وتعليمات التنسيق، وقيود الاقتباس لزيادة جودة الاستجابة.

RAG متعدد القفزات

بنية متقدمة حيث يقوم النموذج بإجراء عدة دورات استرجاع-توليد، باستخدام الاستجابات الوسيطة لتحسين وتعميق البحث عن المعلومات.

قاعدة المعارف الديناميكية

نظام RAG حيث يتم تحديث قاعدة المستندات باستمرار في الوقت الفعلي، مما يتيح استجابات حديثة دائمًا دون الحاجة إلى إعادة تدريب النموذج.

RAG مستقل عن المجال

نهج حيث تم تصميم نظام الاسترجاع ليعمل بكفاءة على أي مجال دون تكييف محدد، بفضل التضمينات واستراتيجيات البحث العامة.

الاستشهاد بالمصادر

RAG هرمي

بنية متعددة المستويات حيث يتم الاسترجاع أولاً من الملخصات أو البيانات الوصفية، ثم من المستندات التفصيلية ذات الصلة لتحسين السرعة والملاءمة.

دمج السياقات

عملية دمج ذكية للمستندات المتعددة المسترجعة في موجه متماسك، مع تجنب التكرار وتعظيم تكامل المعلومات.

RAG بذاكرة

امتداد لـ RAG القياسي حيث يحتفظ النظام بذاكرة للتفاعلات السابقة لتوفير سياق للاسترجاعات المستقبلية وضمان الاتساق في المحادثة.