هندسة المطالبات تحديث 2026

التوجيه بأمثلة قليلة (Few-Shot)

التعريف

تزويد النموذج بعدد قليل من الأمثلة المحلولة داخل المطالبة كي يستنتج النمط قبل الإجابة.

يضع التوجيه بأمثلة قليلة عدة أمثلة من المُدخلات والمُخرجات في السياق كي يتعلّم النموذج المهمة ضمن السياق، دون أي تحديث للأوزان. وقد بيّن Brown وزملاؤه (2020) أن هذه القدرة تظهر مع ازدياد الحجم، وأن إضافة بضعة أمثلة كثيرًا ما تسدّ جزءًا كبيرًا من الفجوة مع الأنظمة المضبوطة ضبطًا دقيقًا في المهام الشائعة.

تكون الأمثلة أكثر فائدة حين يكون التنسيق المطلوب محددًا أو غير مألوف — وهي بالضبط الحالات التي يميل فيها التوجيه دون أمثلة إلى التذبذب.

المراجع

مصادر أولية ومحكّمة وأرشيفية لهذا التعريف.

Language Models are Few-Shot Learners
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., et al. (2020). Advances in Neural Information Processing Systems 33 (NeurIPS 2020).

مداخل القواميس والموسوعات

استشهد بهذا المدخل

MultipleChat. «التوجيه بأمثلة قليلة». مسرد MultipleChat للذكاء الاصطناعي والنماذج اللغوية الكبيرة، 2026. https://multiple.chat/ai-glossary/few-shot

مصطلحات ذات صلة

شاهد ذلك عمليًا

شغّل المطالبة نفسها على ChatGPT وClaude وGemini وGrok وPerplexity جنبًا إلى جنب — مع استخدام ملفاتك سياقًا وإجابات يمكنك مقارنتها والتحقق منها.

جرّب MultipleChat مجانًا

تابع التعلّم

اطّلع على الخطط المدفوعة