التعريف التقني لـ LLM: النموذج اللغوي الكبير شبكة عصبية من نوع المحوّل (Transformer) مُدرَّبة على مجموعات نصية واسعة لنمذجة احتمال الرمز التالي بناءً على كل ما سبقه. وقد أظهر Brown وزملاؤه (2020) أن هذا الهدف الوحيد، عند حجم كافٍ، ينتج نماذج قادرة على أداء مهام كثيرة لم تُدرَّب عليها صراحةً، بمجرد توجيه مطالبة إليها — وهو سلوك التعلّم ضمن السياق الذي يميّز النموذج اللغوي الكبير الحديث.
تعتمد ChatGPT وClaude وGemini وGrok جميعها على نماذج لغوية كبيرة. وهي تختلف في بيانات التدريب والحجم والمواءمة والأدوات، ولهذا قد تتباين إجاباتها عن السؤال نفسه.
ما هو LLM؟ المعنى بعبارات بسيطة
بلغة الحياة اليومية، معنى LLM بسيط: النموذج اللغوي الكبير برنامج قرأ كمية هائلة من النصوص وتعلّم الأنماط الإحصائية للغة. وتشير كلمة «كبير» إلى بيانات التدريب تلك وإلى حجم النموذج معًا — إذ تضم النماذج اللغوية الكبيرة الحديثة مليارات المعاملات أو أكثر، وهي الأوزان القابلة للتعديل التي تختزن ما تعلّمه النموذج. ولم تعد معظم المختبرات تنشر الأحجام الدقيقة لنماذجها الرائدة.
عندما تطرح سؤالًا على نموذج لغوي كبير، فإنه لا يبحث عن الإجابة. بل يكتب ردًّا رمزًا تلو الآخر، ويختار في كل مرة تتمّة مرجّحة لكل ما سبق. ولهذا تتميّز النماذج اللغوية الكبيرة بالطلاقة والمرونة، ولهذا أيضًا قد تبدو واثقة وهي مخطئة.
كيف يُدرَّب النموذج اللغوي الكبير
يجري التدريب عادةً على مراحل، تبني كل منها على سابقتها:
- 1التدريب المسبق. يعلّم التنبؤ بالرمز التالي على مجموعات نصية ضخمة النموذجَ اللغةَ والحقائق وأنماط الاستدلال.
- 2تدريب المساعد. يحوّل الضبط على التعليمات — وهو شكل من أشكال الضبط الدقيق على محادثات نموذجية — أداةَ التنبؤ الخام إلى مساعد يلبّي الطلبات.
- 3
ما الذي تستطيع النماذج اللغوية الكبيرة فعله وما الذي لا تستطيعه
تتعامل النماذج اللغوية الكبيرة مع طيف واسع من المهام اللغوية:
- صياغة النصوص وتحريرها وإعادة كتابتها بأي نبرة
- تلخيص المستندات الطويلة والترجمة بين اللغات
- الإجابة عن الأسئلة وشرح المفاهيم خطوة بخطوة
- كتابة الشيفرات البرمجية ومراجعتها وشرحها
- حلّ مسائل الاستدلال متعددة الخطوات
لكن حدودها لا تقلّ أهمية: فقد تهلوس وتختلق حقائق، وتتوقف معرفتها المدمجة عند تاريخ توقّف بيانات التدريب، ولا يمكنها أن تأخذ في الحسبان إلا قدر النص الذي يتسع له نافذة السياق لديها. ويساعد الاسترجاع (RAG) والبحث على الويب ومطابقة الإجابات مع نموذج ثانٍ في معالجة القيود الثلاثة كلها.
لماذا يهم ذلك في MultipleChat
لا يوجد نموذج لغوي كبير واحد هو الأفضل في كل شيء. يشغّل MultipleChat كلًّا من ChatGPT وClaude وGemini وGrok وPerplexity على المطالبة نفسها جنبًا إلى جنب، لتتمكن من مقارنة إجاباتها وجعل نقاط قوة نموذج ما تغطي نقاط ضعف نموذج آخر. اطّلع على كيفية عمل المقارنة.