التدريبالكفاءة تحديث 2026

تقطير المعرفة

التعريف

تدريب نموذج «طالب» أصغر على محاكاة نموذج «معلّم» أكبر، ونقل جزء كبير من قدراته إلى نموذج أرخص وأسرع.

بيّن Hinton وزملاؤه (2015) أنه يمكن تدريب نموذج مُدمَج على مُخرجات الاحتمالات «الناعمة» لنموذج أكبر أو لمجموعة نماذج، فيتعلّم من التوزيع الكامل للمعلّم لا من التصنيفات الصارمة فحسب. ويلتقط الطالب جزءًا كبيرًا من سلوك المعلّم بجزء يسير من الحجم والتكلفة.

التقطير طريقة قياسية لإطلاق نسخ صغيرة وسريعة من النماذج الكبيرة لعمليات النشر الحسّاسة لزمن الاستجابة أو التكلفة.

المراجع

مصادر أولية ومحكّمة وأرشيفية لهذا التعريف.

Distilling the Knowledge in a Neural Network
Hinton, G., Vinyals, O., & Dean, J. (2015). NeurIPS 2014 Deep Learning Workshop (arXiv preprint).

مداخل القواميس والموسوعات

استشهد بهذا المدخل

MultipleChat. «تقطير المعرفة». مسرد MultipleChat للذكاء الاصطناعي والنماذج اللغوية الكبيرة، 2026. https://multiple.chat/ai-glossary/distillation

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