الملخص
نصيحة
راجع علامة التبويب النص والصور لمزيد من التفاصيل!
في هذه الوحدة، تعلمت كيفية تحسين أداء نماذج الذكاء الاصطناعي التوليدي باستخدام استراتيجيات تكميلية في Microsoft Foundry.
لقد تعرفت على كيفية:
- تطبيق تقنيات هندسة الأوامر بما في ذلك رسائل النظام، التعلم السريع (multi-shot)، ومعلمات النموذج لتحسين مخرجات النموذج.
- فهم متى وكيف تؤسس نموذج لغوي باستخدام توليد السحب المعزز (RAG).
- حدد متى يحسن ضبط النموذج بشكل دقيق الاتساق السلوكي.
- قارن استراتيجيات التحسين وحدد متى يجب دمجها.
الخلاصة الأساسية هي أن هندسة الفور، وRAG، والضبط الدقيق ليست نهجا متنافسا—بل هي استراتيجيات مكملة تعالج أبعادا مختلفة من أداء النموذج. ابدأ بهندسة الأوامر لتوجيه سلوك النموذج، أضف RAG عندما تتطلب الدقة الواقعية بيانات خاصة بالمجال، وفكر في التعديل الدقيق عندما تحتاج إلى أسلوب وتنسيق متسقين لا تستطيع هندسة الأوامر وحدها تحقيقها بشكل موثوق.
بالنسبة لسيناريو وكالة السفر، قد يجمع الحل الأكثر فعالية بين الثلاثة: نموذج مضبوط يحافظ على صوت العلامة التجارية، ونموذج RAG الذي يثبت الردود في كتالوج الفنادق الفعلي، وهندسة سريعة تضيف تعليمات خاصة بالمحادثة وحواجز أمان.
لمزيد من القراءة
لمزيد من المعلومات حول المواضيع التي نوقشت في هذه الوحدة، راجع الموارد التالية: