BroadRouter
ابدأ الآن

مسرد واجهات LLM البرمجية

آخر تحديث

تعريفات قصيرة وموثقة للمصطلحات التي يصادفها المطورون عند استدعاء واجهة LLM أو واجهة لتحويل الكلام إلى نص: ما الرموز ونافذة السياق، وكيف تغيّر المدخلات المخزنة مؤقتًا والخطط الثابتة الفاتورة، وما معنى حدود المعدل وعدم الاحتفاظ بالبيانات عمليًا.

واجهات API والتكامل

اتفاقية مستوى الخدمة (SLA)
اتفاقية مستوى الخدمة (SLA) التزام تعاقدي من المزوّد بمستوى خدمة قابل للقياس، عادةً نسبة توفر شهرية، مع تعويض محدد، عادةً أرصدة خدمة، إذا لم يتحقق. وتحدد الاتفاقية ما يُعدّ توقفًا، وما هو مستثنى، وكيفية المطالبة.
استدعاء الأدوات (Tool calling)
استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.
استدعاءات الأدوات المتوازية (Parallel tool calls)
استدعاءات الأدوات المتوازية هي أن يعيد النموذج أكثر من استدعاء أداة في استجابة واحدة، مثل قراءة ثلاثة ملفات دفعة واحدة. وفي صيغة OpenAI تصل على شكل عدة عناصر في tool_calls، وضبط parallel_tool_calls على false يقصر النموذج على صفر أو استدعاء واحد في كل دور.
إعادة الترتيب (Reranking)
إعادة الترتيب مرحلة استرجاع ثانية، يقيّم فيها نموذج أدق لكنه أبطأ، عادةً cross-encoder، كل زوج من الاستعلام والمستند المرشح القادم من بحث أوّلي، ثم يعيد ترتيبها، فلا يصل إلى النموذج اللغوي إلا القليل الأكثر صلة.
الأحداث التي يرسلها الخادم (SSE)
الأحداث التي يرسلها الخادم (server-sent events أو SSE) معيار ويب يتيح للخادم دفع تدفق من الأحداث النصية إلى العميل عبر استجابة HTTP واحدة طويلة الأمد بنوع المحتوى text/event-stream. وكل حدث سطر حقل أو أكثر، مثل data:، ينتهي بسطر فارغ.
الاستدلال بلا خوادم (Serverless inference)
الاستدلال بلا خوادم طريقة لتشغيل نماذج تعلّم الآلة تبدأ فيها المنصة موارد الحوسبة خلف نقطة النهاية وتوسّعها وتوقفها تلقائيًا، وغالبًا حتى الصفر عند الخمول، وتحاسبك على الاستخدام لا على أجهزة محجوزة. والثمن هو احتمال تأخير البدء البارد.
الإنتاجية (Throughput)
الإنتاجية (throughput) في تقديم نماذج LLM هي إجمالي العمل الذي ينجزه النظام في وحدة الزمن عبر كل الطلبات المتزامنة، وتُقاس عادةً برموز الإخراج في الثانية أو الطلبات في الثانية. وهي تختلف عن سرعة التدفق الواحد، أي مدى سرعة وصول الرموز إلى طلب واحد.
الانتظار الأُسّي (Exponential backoff)
الانتظار الأُسّي (exponential backoff) استراتيجية لإعادة المحاولة ينتظر فيها العميل مدة أطول بعد كل محاولة فاشلة، وعادةً يضاعف التأخير حتى حد أقصى، قبل أن يحاول مجددًا. وإضافة تذبذب عشوائي (jitter) إلى كل انتظار توزّع محاولات العملاء الكثيرين كي لا تصل إلى الخادم في اللحظة نفسها.
البث المتدفق (Streaming)
البث المتدفق (streaming) طريقة لإرجاع استجابة النموذج اللغوي على أجزاء صغيرة أثناء توليدها، بدل إرجاعها ردًا واحدًا في النهاية. وتبث الواجهات المتوافقة مع OpenAI عبر أحداث يرسلها الخادم (server-sent events) حين يضبط الطلب stream على true.
البحث الهجين (Hybrid search)
البحث الهجين (hybrid search) طريقة استرجاع تشغّل البحث بالكلمات المفتاحية، مثل BM25، والبحث المتجهي عبر التضمينات على الاستعلام نفسه، ثم تدمج القائمتين المرتبتين في قائمة واحدة، غالبًا بدمج الرتب التبادلي (RRF) أو بمجموع موزون للدرجات بعد تطبيعها.
التزامن (Concurrency)
التزامن (concurrency) هو عدد الطلبات التي تكون لدى العميل قيد التنفيذ في الوقت نفسه. وكثيرًا ما تضع واجهات LLM API سقفًا له لكل مفتاح أو خطة، بمعزل عن عدد الطلبات في الدقيقة، لأن كل طلب مفتوح يشغل قدرة من وحدة GPU حتى تكتمل استجابته.
التقطيع إلى أجزاء (Chunking في RAG)
التقطيع (chunking) هو الخطوة في سلسلة الاسترجاع التي تقسم المستندات إلى قطع أصغر تسمّى الأجزاء (chunks) قبل تضمينها وفهرستها. ويحدد حجم الجزء مقدار النص في كل قطعة، ويكرر التداخل بعض النص بين الأجزاء المتجاورة كي لا تضيع الأفكار المقطوعة عند الحد الفاصل.
العنوان الأساسي (Base URL)
العنوان الأساسي (base URL) هو الجذر الثابت لعنوان الواجهة، مثل https://api.example.com/v1، الذي يضعه العميل قبل كل مسار نقطة نهاية، مثل /chat/completions. وفي حزم SDK المتوافقة مع OpenAI، يكفي تغيير العنوان الأساسي، مع مفتاح API ومعرّف النموذج، لتوجيه الشيفرة نفسها إلى مزوّد آخر.
المخرجات المنظَّمة (Structured output)
المخرجات المنظَّمة هي ميزة في LLM API تقيّد رد النموذج بصيغة يحدّدها المطوّر، عادةً JSON Schema، لكي تحلّلها الشيفرة بموثوقية. وهي أكثر صرامة من وضع JSON (JSON mode)، الذي يضمن JSON صالحًا لكن لا يضمن بنية معيّنة.
النص من اليمين إلى اليسار (RTL)
النص من اليمين إلى اليسار (RTL) هو كتابة، كالعربية أو العبرية، تُعرض من اليمين إلى اليسار. تخزّنه الحواسيب بترتيب القراءة المنطقي، وتحدّد خوارزمية Unicode ثنائية الاتجاه ترتيب العرض عندما يختلط بنص من اليسار إلى اليمين أو بأرقام أو أسماء نماذج أو شيفرة.
النظام متعدد الوكلاء (Multi-agent system)
النظام متعدد الوكلاء هو تطبيق LLM يعمل فيه عدة وكلاء، لكل منهم أمره وأدواته وسياقه، على أجزاء من مهمة واحدة. ومن التصاميم الشائعة نمط المنسّق والعاملين: وكيل رئيسي يخطط، ويطلق وكلاء عاملين بالتوازي، ويجمع نتائجهم.
النموذج الاحتياطي (Model fallback)
النموذج الاحتياطي (model fallback) نمط للموثوقية يُعاد فيه طلب LLM الفاشل على نموذج أو مزوّد مختلف من قائمة مرتبة. وقد يكون المحفّز خطأً أو حدّ معدل أو خطأ في طول السياق أو رفضًا بسبب سياسة المحتوى. ويعمل داخل عميلك أو في بوابة أمام الواجهات.
الوكيل الفرعي (Subagent)
الوكيل الفرعي وكيل منفصل يشغّله الوكيل الرئيسي لتنفيذ مهمة واحدة محددة. يعمل بنافذة سياق وأمر نظام وصلاحيات أدوات خاصة به، وينجز العمل، ثم لا يُرجع إلى الوكيل الرئيسي إلا نتيجة أو ملخصًا، فتبقى المحادثة الرئيسية صغيرة.
أمر النظام (System prompt)
أمر النظام (system prompt) هو نص التعليمات الذي يرسله التطبيق إلى النموذج اللغوي قبل المحادثة، عادةً في رسالة بالدور system أو developer. وهو يحدد دور النموذج وقواعده ونبرته وصيغة مخرجاته، ويُفترض أن يلتزم به النموذج إذا تعارض مع رسائل المستخدم.
إيقاف دعم النموذج (Model deprecation)
إيقاف دعم النموذج (model deprecation) هو إعلان مزوّد API أن نموذجًا ما سيتوقف تقديمه، مع تحديد تاريخ للسحب أو الإيقاف ونموذج بديل موصى به عادةً. وبعد ذلك التاريخ تفشل الطلبات الموجّهة إلى النموذج، لذا يجب أن تنتقل التطبيقات إلى معرّف نموذج آخر قبله.
تسلسلات التوقف (Stop sequences)
تسلسلات التوقف هي نصوص ترسلها مع الطلب فيتوقف النموذج عن التوليد فور أن يُنتج أحدها. تسمّي OpenAI الحقل stop وتقبل فيه 4 تسلسلات كحد أقصى، وتسمّيه Anthropic باسم stop_sequences. وعادةً لا يُضمَّن النص المطابق في المخرجات المُعادة.
توحيد Unicode (Unicode normalization)
توحيد Unicode هو تحويل النص إلى صيغة معيارية بحيث تستخدم السلاسل التي تبدو متطابقة نقاط الترميز نفسها. والصيغ الأربع هي NFD وNFC وNFKD وNFKC؛ وصيغتا K تطويان أيضًا محارف التوافق، مثل أشكال العرض العربية والحروف المركّبة، إلى حروف عادية.
حد المعدل (Rate limit)
حد المعدل هو سقف تفرضه واجهة API على مقدار استخدام العميل لها خلال فترة زمنية، مثل عدد الطلبات في الدقيقة أو الرموز في الدقيقة. وتُرفض الطلبات التي تتجاوزه، غالبًا بالخطأ HTTP 429 Too Many Requests، إلى أن يعود الاستخدام تحت الحد.
زمن الاستجابة (Latency)
زمن الاستجابة (latency)، في واجهات API للنماذج اللغوية، هو المدة التي يستغرقها الطلب من لحظة إرساله حتى استلام آخر رمز من المخرجات. وهو مجموع زمن أول رمز وزمن التوليد، ويُذكر عادةً بالمئينات مثل p50 وp95 لا بالمتوسط.
زمن أول رمز (TTFT)
زمن أول رمز (TTFT) هو المدة من إرسال طلب إلى النموذج اللغوي حتى وصول أول رمز من المخرجات. ويشمل زمن الشبكة، والانتظار في طابور الخادم، والمعالجة المسبقة (prefill)، وهي الخطوة التي يقرأ فيها النموذج الأمر كاملًا، لذا يزداد مع طول الأمر والضغط على الخادم.
سبب الانتهاء (finish_reason)
finish_reason (سبب الانتهاء) حقل في كل خيار ضمن استجابة إكمال المحادثة يوضّح سبب توقف النموذج عن التوليد. وفي صيغة OpenAI قيمه stop وlength وtool_calls وcontent_filter، إضافةً إلى function_call المُهمَلة. وتعبّر Messages API لدى Anthropic عن الفكرة نفسها بالحقل stop_reason.
قاعدة بيانات المتجهات (Vector database)
قاعدة بيانات المتجهات مخزن بيانات يحفظ متجهات التضمين، ومعها غالبًا نصها المصدر وبياناتها الوصفية، ويجيب عن استعلامات أقرب الجيران: تعطيها متجه استعلام فتُرجع المتجهات المخزّنة الأشبه به، عادةً بمسافة جيب التمام أو المسافة الإقليدية أو الضرب الداخلي.
مخطط JSON (JSON Schema)
JSON Schema (مخطط JSON) مفردات مكتوبة بصيغة JSON لوصف بنية بيانات JSON والتحقق منها: الأنواع والحقول الإلزامية والقيم المسموحة والتداخل. والإصدار الحالي هو 2020-12. وتستخدمه واجهات LLM API لتعريف معاملات الأدوات والبنية الدقيقة التي يجب أن تتبعها المخرجات المنظَّمة.
مزوّد الاستدلال (Inference provider)
مزوّد الاستدلال هو شركة تشغّل نماذج تعلّم الآلة، وغالبًا نماذج LLM مفتوحة الأوزان، على وحدات GPU تملكها أو تستأجرها، وتبيع الوصول إليها عبر API، يُسعَّر عادةً لكل رمز أو لكل طلب أو لكل وحدة زمنية. ويتولى التشغيل والتوسّع والعتاد.
معامل البذرة (seed)
معامل البذرة (seed) عدد صحيح ترسله مع الطلب لتحاول الواجهة أخذ عينات الرموز نفسها حين يتكرر الطلب نفسه. وتصفه OpenAI بأنه أفضل جهد ممكن: فالحتمية غير مضمونة، ويُظهر الحقل system_fingerprint متى تغيّر إعداد الخادم الخلفي.
مفتاح عدم التكرار (Idempotency key)
مفتاح عدم التكرار (idempotency key) قيمة فريدة، غالبًا معرّف عشوائي مثل UUID، يرفقها العميل بطلب يغيّر الحالة، كدفعة أو عملية شراء. فإذا أُرسل الطلب نفسه مرة أخرى بالمفتاح نفسه، أعاد الخادم النتيجة الأصلية بدل تنفيذ الإجراء مرتين.
مهلة الطلب (Request timeout)
مهلة الطلب (request timeout) هي أطول مدة ينتظرها عميل HTTP ردَّ الخادم قبل أن يتخلى عن الطلب. وعادةً يقسمها العملاء إلى مهلة اتصال لفتح الاتصال ومهلة قراءة لانتظار البيانات. وتحتاج استدعاءات LLM إلى مهلات قراءة سخية لأن الإجابات الطويلة تستغرق وقتًا.
موجّه LLM (LLM router)
موجّه LLM (LLM router) برنامج أو خدمة تقع بين التطبيق وواجهة أو أكثر من واجهات نماذج اللغة، وتقرر لكل طلب أي نموذج أو مزوّد يتولاه، وفق قواعد مثل التكلفة أو زمن الاستجابة أو التوفر أو نوع المهمة.
واجهة الدفعات (Batch API)
واجهة الدفعات (Batch API) هي نقطة نهاية غير متزامنة لنماذج اللغة تستقبل طلبات كثيرة دفعة واحدة، غالبًا في ملف، وتعالجها خلال مهلة محددة بدل المعالجة الفورية، ثم تُرجع النتائج معًا. ويسعّر مزوّدون مثل OpenAI وAnthropic طلبات الدفعات بخصم مقارنةً بواجهاتهم القياسية.
واجهة API متوافقة مع OpenAI (OpenAI-compatible API)
واجهة API المتوافقة مع OpenAI هي واجهة HTTP تقبل صيغ الطلبات والاستجابات نفسها التي تستخدمها OpenAI API، مثل POST /v1/chat/completions، فتستطيع حزم OpenAI SDK وأدواتها استخدامها بتغيير العنوان الأساسي (base URL) ومفتاح API واسم النموذج فقط.
وضع JSON (JSON mode)
وضع JSON (JSON mode) إعداد في LLM API، هو response_format {"type": "json_object"} في الواجهات على طريقة OpenAI، يجعل رد النموذج JSON صالحًا قابلًا للتحليل. وبخلاف المخرجات المنظَّمة مع JSON Schema، لا يضمن المفاتيح أو الأنواع أو القيم التي يحتويها الكائن.
وكيل البرمجة بالذكاء الاصطناعي (AI coding agent)
وكيل البرمجة بالذكاء الاصطناعي أداة برمجية يعمل فيها نموذج لغة على قاعدة شيفرة في حلقة: يقرأ الملفات ويعدّلها، وينفّذ أوامر كالاختبارات، ويقرأ المخرجات، ثم يقرّر الخطوة التالية حتى تنتهي المهمة أو يُبلغ حدّ معيّن.
وكيل الذكاء الاصطناعي (AI agent)
وكيل الذكاء الاصطناعي نظام يوجّه فيه النموذج اللغوي خطواته بنفسه نحو هدف: يقرر أي الأدوات يستدعي، ويقرأ النتائج، ويكرّر حتى يُنتج إجابة نهائية أو يبلغ حدًّا. أما البرنامج الثابت الذي يستدعي النموذج عند نقاط محددة فيُسمّى عادةً سير عمل (workflow).
BM25 (ترتيب نتائج البحث بالكلمات المفتاحية)
BM25 (أو Okapi BM25) هي دالة ترتيب للبحث بالكلمات المفتاحية تمنح المستند درجة بحسب عدد مرات ظهور كلمات الاستعلام فيه، ومدى ندرة هذه الكلمات في المجموعة كلها، وطول المستند. وهي مقياس التشابه الافتراضي في Lucene وElasticsearch.
Chat Completions API (واجهة إكمال المحادثة)
Chat Completions API هي نقطة نهاية HTTP لدى OpenAI، أي POST /v1/chat/completions، تستقبل اسم نموذج وقائمة رسائل موسومة بأدوارها وتُرجع الرسالة التالية من النموذج. وصارت بنية طلبها واستجابتها الصيغة المشتركة التي يعيد استخدامها المزوّدون المتوافقون مع OpenAI وحزم SDK.
MCP (بروتوكول سياق النموذج)
MCP (بروتوكول سياق النموذج، Model Context Protocol) بروتوكول مفتوح مبني على JSON-RPC 2.0 يوحّد طريقة اتصال تطبيقات LLM بالأدوات والبيانات الخارجية. يعرض خادم MCP الأدوات والموارد والأوامر، ويكتشفها عميل MCP داخل التطبيق المضيف وينقل استدعاءات الأدوات من النموذج إلى الخادم.
RAG (التوليد المعزّز بالاسترجاع)
RAG (التوليد المعزّز بالاسترجاع) نمط يسترجع فيه التطبيق أولًا مقاطع متصلة بالسؤال من مخزن خارجي، مثل فهرس بحث أو فهرس متجهات، ثم يضيفها إلى الأمر ليجيب النموذج اللغوي من ذلك النص لا من ذاكرته وحدها.
ReAct (الاستدلال ثم الفعل)
ReAct (الاستدلال والفعل، reason and act) نمط تلقين قدّمه Yao وآخرون عام 2022، يمزج فيه النموذج اللغوي بين مسارات الاستدلال والإجراءات، مثل البحث أو استدعاء الأدوات. يقرأ النموذج كل ملاحظة، ويحدّث خطته، ويكرر ذلك حتى يستطيع تقديم إجابة نهائية.
tool_choice (اختيار الأداة)
tool_choice معامل في الطلب يتحكم في استخدام الأدوات. في Chat Completions من OpenAI قد تكون قيمته auto (يقرر النموذج)، أو required (يجب أن يستدعي أداة أو أكثر)، أو none (بلا أدوات)، أو اسم دالة لفرض استدعائها. والخيارات المقابلة لدى Anthropic هي auto وany وtool وnone.

النماذج والرموز

الاختبار المعياري لنماذج LLM (LLM benchmark)
الاختبار المعياري لنماذج LLM (LLM benchmark) مجموعة ثابتة، عامة في الغالب، من المهام مع طريقة لاحتساب الدرجات، تُستخدم لقياس نماذج اللغة ومقارنتها في مهارة واحدة، كأسئلة المعرفة أو البرمجة أو التعرّف على الكلام. وتُظهر درجته القدرة النسبية في ذلك الاختبار، لا أداء النموذج في عملك أنت.
الإسناد إلى المصادر (Grounding)
الإسناد إلى المصادر (grounding) هو ربط مخرجات نموذج اللغة بمصادر معلومات محددة قابلة للتحقق، مثل المستندات المقدَّمة أو نتائج البحث أو سجلات قواعد البيانات، وتوجيهه إلى الإجابة منها. ويمكن تتبّع الإجابات المسنَدة إلى مصدرها، وهي أقل عرضة لاحتواء حقائق مختلَقة.
التاء المربوطة (ة، Taa marbuta)
التاء المربوطة (ة، U+0629) حرف عربي لا يظهر إلا في آخر الكلمة، ويدل غالبًا على تأنيث الأسماء والصفات. وشكلها شكل الهاء (ه، U+0647) مع نقطتين، فيختلط الحرفان في النص المكتوب، ولهذا تحوّل كثير من أدوات توحيد النص للبحث ة إلى ه.
التشكيل (الحركات العربية، Arabic diacritics)
التشكيل هو علامات صغيرة تُكتب فوق الحروف العربية أو تحتها لبيان الحركات القصيرة والحروف المضعّفة وغياب الحركة. وهو اختياري: تخلو منه معظم النصوص العربية، ومنها الأخبار، فيستنتج القرّاء والبرمجيات الحركات من السياق.
التضمينات (Embeddings)
التضمينات (embeddings) قوائم من الأعداد العشرية (متجهات) يُنتجها نموذج لتمثيل قطعة نص أو صورة أو أي مدخل آخر. وتحصل المدخلات المتشابهة في المعنى على متجهات متقاربة، فيمكن استخدام المسافة بين المتجهات لترتيب نتائج البحث أو تجميع المستندات أو إيجاد العناصر المرتبطة.
التعرّف الضوئي على الحروف (OCR)
التعرّف الضوئي على الحروف (OCR) تقنية تكتشف النص المطبوع أو المكتوب بخط اليد في صورة أو مستند ممسوح أو ملف PDF وتحوّله إلى حروف قابلة للقراءة آليًا. يُخرج OCR التقليدي النص وموضعه في الصفحة، أما النماذج اللغوية البصرية فتقرأ النص وتجيب عن أسئلة حوله مباشرة.
التعرّف على الكيانات المسماة (NER)
التعرّف على الكيانات المسماة (NER) هو مهمة إيجاد الأسماء في النص ووسم كل منها بنوع، مثل شخص أو منظمة أو مكان. تَسِم الأنظمة التقليدية كل رمز، أما نماذج LLM فيُطلب منها غالبًا إرجاع قائمة بالكيانات بصيغة JSON، تُطابَق بعد ذلك مع النص المصدر.
التقطير المعرفي (Distillation)
التقطير، أو التقطير المعرفي (knowledge distillation)، أسلوب تدريب يتعلم فيه نموذج طالب أصغر إعادة إنتاج مخرجات نموذج معلّم أكبر، مثل توزيعاته الاحتمالية أو إجاباته المولَّدة، فيحتفظ الطالب بكثير من جودة المعلّم بتكلفة تشغيل أقل.
التقييم (Eval)
التقييم (eval، اختصار evaluation) اختبار قابل للتكرار لنموذج لغوي أو أمر: مجموعة ثابتة من المدخلات، ووصف لما تبدو عليه المخرجات الجيدة، ومصحِّح (شيفرة أو إنسان أو نموذج آخر) يمنح كل مخرج درجة حتى يمكن المقارنة بين الإصدارات.
التكميم (Quantization)
التكميم (quantization) هو تخزين أرقام الشبكة العصبية، وأوزانها أساسًا، بصيغة أقل دقة مثل 8 بتات أو 4 بتات بدل 16 بتًا، فيستهلك النموذج ذاكرة أقل ويعمل غالبًا أسرع. والطرق الجيدة تُبقي فقدان الدقة صغيرًا.
التلقين بأمثلة قليلة (Few-shot prompting)
التلقين بأمثلة قليلة (few-shot prompting) أسلوب يتضمن فيه الأمر عددًا صغيرًا من أمثلة المدخلات والمخرجات المحلولة قبل المدخل الحقيقي، فيستنتج نموذج اللغة منها المهمة والتنسيق. لا تتغير أوزان النموذج؛ ويعني zero-shot عدم استخدام أمثلة، وone-shot استخدام مثال واحد.
الذكاء الاصطناعي متعدد الوسائط (Multimodal AI)
الذكاء الاصطناعي متعدد الوسائط هو نموذج أو نظام يتعامل مع أكثر من نوع من البيانات، مثل النص والصور والفيديو والصوت. فقد يقرأ النموذج متعدد الوسائط صورة وسؤالًا معًا، أو يستقبل كلامًا ويجيب نصًا. والنموذج اللغوي البصري هو أشهر أنواعه.
الرمز (التوكن، Token)
الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.
الرموز في الثانية (TPS)
الرموز في الثانية (TPS) هي معدل توليد النموذج اللغوي لرموز الإخراج، وتُقاس عادةً لطلب واحد بعد وصول أول رمز. وهي تحدّد سرعة تدفق الرد بعد بدئه. وحين تُجمع عبر كل الطلبات المتزامنة تصبح إنتاجية النظام؛ أما الانتظار قبل أول رمز فيُقاس منفصلًا.
الضبط الدقيق (Fine-tuning)
الضبط الدقيق (fine-tuning) هو مواصلة تدريب نموذج لغوي مدرَّب مسبقًا على مجموعة بيانات أصغر خاصة بمهمة، مثل محادثات نموذجية، فتتغير أوزانه ويؤدي تلك المهمة أو ذلك الأسلوب بموثوقية أكبر دون الحاجة إلى تعليمات أو أمثلة طويلة في كل أمر.
الضياع في المنتصف (Lost in the middle)
الضياع في المنتصف (lost in the middle) هو الميل الملاحَظ لدى نماذج اللغة إلى استخدام المعلومات ذات الصلة على أفضل وجه حين تظهر قرب بداية المُدخل الطويل أو نهايته، وعلى أسوأ وجه حين تقع في وسطه. وقد سُمّي في دراسة أجراها Liu وآخرون عام 2023.
العربية الفصحى الحديثة (Modern Standard Arabic، MSA)
العربية الفصحى الحديثة (MSA) هي الصيغة المعيارية من العربية المستخدمة في الكتابة والأخبار والتعليم والخطاب الرسمي في أنحاء العالم العربي. وليست لغة الحياة اليومية الأم لأحد: يتحدث الناس لهجات إقليمية، كالمصرية أو الخليجية، وينتقلون إلى الفصحى في المواقف الرسمية.
العربيزي (الفرانكو آراب، Arabizi)
العربيزي هي العربية المكتوبة بشكل غير رسمي بحروف لاتينية، مع أرقام للأصوات العربية التي لا مقابل لها في اللاتينية، مثل 3 بدل ع. وهي شائعة في المحادثات ووسائل التواصل، وغالبًا ما تكون باللهجات، ولا إملاء معياريًا لها، وكثيرًا ما تُمزج بالإنجليزية أو الفرنسية.
اللهجات العربية (Dialectal Arabic)
اللهجات العربية هي العربية المحكية يوميًا في منطقة أو مدينة، مثل المصرية أو الخليجية أو الشامية أو المغاربية. وتختلف عن العربية الفصحى الحديثة في الأصوات والمفردات والقواعد، ولا إملاء معياريًا لها، وتُكتب على الإنترنت بشكل متزايد، ما يجعلها أصعب على نماذج اللغة.
اللوغاريتمات الاحتمالية (Logprobs)
logprobs هي الاحتمالات اللوغاريتمية التي أعطاها النموذج اللغوي للرموز التي ولّدها. والواجهة التي تُرجعها تُظهر، لكل رمز في المخرجات، مدى احتماله في تقدير النموذج، ويمكنها اختياريًا أن تُظهر الرموز البديلة الأرجح في الموضع نفسه.
المجزّئ (Tokenizer)
المجزّئ (tokenizer) هو المكوّن الذي يحوّل النص إلى سلسلة معرّفات رموز عددية يقرؤها نموذج اللغة، ويحوّل المعرّفات المولَّدة إلى نص من جديد. ولكل نموذج مجزّئه الخاص، فقد يُنتج النص نفسه عددًا مختلفًا من الرموز (التوكنات) في نماذج مختلفة.
النموذج مفتوح الأوزان (Open-weight model)
النموذج مفتوح الأوزان نموذج تعلّم آلي تُنشر أوزانه المدرَّبة ليحمّلها أي أحد ويشغّلها، عادةً بموجب ترخيص له شروط. ويختلف عن الذكاء الاصطناعي مفتوح المصدر بالكامل، الذي يُصدر أيضًا شيفرة التدريب ومعلومات مفصّلة عن بيانات التدريب، ليتمكن الآخرون من دراسة النموذج وإعادة إنتاجه.
الهلوسة (Hallucination)
الهلوسة مخرجات من النموذج اللغوي تبدو معقولة لكنها خاطئة أو مختلَقة أو غير مدعومة بالمدخلات التي أُعطيها، مثل مرجع مخترع أو رقم خاطئ أو واجهة API لا وجود لها. وسببها أن النموذج يتنبأ بالنص المرجّح ولا يتحقق من الحقائق.
الهمزة (Hamza)
الهمزة (ء) حرف عربي يمثّل الوقفة الحنجرية. تُكتب منفردة أو على كرسي: الألف (أ إ) أو الواو (ؤ) أو الياء (ئ)، أما آ فتجمع الألف والمدّة. ولأن النص المكتوب غير منتظم في رسمها، كثيرًا ما توحّد محركات البحث وأدوات تقييم الكلام أشكال الألف إلى ا.
تآكل السياق (Context rot)
تآكل السياق هو الفقدان التدريجي للدقة والموثوقية الذي تُظهره نماذج اللغة كلما طالت مدخلاتها، حتى حين تبقى المهمة نفسها وتكون المدخلات ضمن نافذة السياق بفارق كبير. وقد انتشر المصطلح بفضل تقرير تقني أصدرته Chroma عام 2025 واختبر 18 نموذجًا.
تحديد اللهجة العربية (Arabic dialect identification)
تحديد اللهجة العربية هو مهمة معرفة الصيغة العربية التي كُتب بها نص أو قيل بها تسجيل، مثل المصرية أو الخليجية أو الشامية أو المغاربية أو الفصحى الحديثة، على مستوى المنطقة أو البلد أو المدينة. ويُستخدم لتوجيه الرسائل واختيار الأوامر وتقسيم مجموعات التقييم.
ترخيص النموذج (Model license)
ترخيص النموذج هو الشروط القانونية التي يجوز بموجبها استخدام أوزان النموذج وشيفرته ومخرجاته وتعديلها ومشاركتها. وتستخدم النماذج مفتوحة الأوزان تراخيص برمجيات قياسية مثل Apache 2.0 أو MIT، أو تراخيص خاصة بالنماذج قد تضيف شروطًا، مثل قيود على الخدمات التجارية الكبيرة.
ترميز أزواج البايتات (BPE)
ترميز أزواج البايتات (BPE) خوارزمية تجزئة إلى وحدات دون الكلمة، تبدأ من الحروف أو البايتات المفردة، ثم تدمج مرارًا أكثر زوج متجاور تكرارًا في مدخل جديد في المفردات، حتى تبلغ حجم المفردات المستهدف. ومعظم مجزّئات نماذج اللغة الحالية تستخدم BPE أو صيغته على مستوى البايت.
توحيد النص العربي (Arabic text normalization)
توحيد النص العربي هو الخطوة التي تحوّل الصيغ الإملائية المختلفة للكلمة نفسها إلى صيغة واحدة قبل المطابقة: حذف التشكيل والتطويل، وتوحيد أشكال الألف، وغالبًا تحويل ى إلى ي وة إلى ه. ويُطبَّق على مفاتيح البحث والتقييم، لا على النص الذي تعرضه.
حجم المفردات (Vocabulary size)
حجم المفردات هو عدد الرموز (التوكنز) المختلفة في مجزّئ النموذج اللغوي، لكل منها معرّف وتضمين خاص. والمفردات الأكبر قد ترمّز النص الشائع برموز أقل، لكنها تكبّر طبقتي التضمين والإخراج، ولا تفيد إلا مع النص الذي دُرّبت عليه المفردات.
درجة الحرارة (Temperature)
درجة الحرارة (temperature) معامل لأخذ العينات يتحكم في مدى عشوائية مخرجات النموذج اللغوي. يقسم النموذج درجات الرموز على قيمة الحرارة قبل تحويلها إلى احتمالات: فالقيم المنخفضة تجعل الرمز الأرجح هو المهيمن، والقيم المرتفعة تسطّح التوزيع فتُختار الرموز الأقل احتمالًا أكثر.
ذاكرة KV المؤقتة (KV cache)
ذاكرة KV المؤقتة (KV cache) هي الذاكرة التي يخزّن فيها نموذج لغة من نوع transformer مفاتيح الانتباه وقيمه المحسوبة لكل رمز عالجه، فيعيد كل رمز جديد استخدامها بدل إعادة حساب التسلسل كله. وتكبر مع طول السياق، وكثيرًا ما تحدّ من عدد الطلبات التي تخدمها وحدة GPU.
رموز الاستدلال المنطقي (Reasoning tokens)
رموز الاستدلال المنطقي هي رموز (توكنات) يولّدها نموذج الاستدلال ليحلّ المسألة قبل أن يكتب إجابته الظاهرة. تُحتسب عادةً رموز إخراج، وتدخل ضمن حد الإخراج ونافذة السياق، وقد تخفيها الواجهة أو تلخّصها.
رموز الصور (Image tokens)
رموز الصور (image tokens) هي رموز الإدخال التي يستخدمها نموذج لغة بصري لتمثيل صورة في الطلب. يحسبها المزوّدون من حجم الصورة، غالبًا بتقسيمها إلى رقع أو مربعات ثابتة الحجم بعد تغيير مقاسها، ويحاسبون عليها كرموز إدخال النص، فتكلّف الصور الأكبر أكثر.
سلسلة التفكير (Chain-of-thought، CoT)
سلسلة التفكير (CoT) أسلوب في كتابة الأوامر يُعرض فيه على نموذج اللغة، أو يُطلب منه، أن يكتب خطوات استدلال وسيطة قبل إجابته النهائية. وهي تحسّن الدقة في المسائل متعددة الخطوات كالحساب والمنطق، وصارت نماذج الاستدلال المنطقي تولّدها تلقائيًا.
ضغط السياق (Context compaction)
ضغط السياق هو تلخيص محادثة تقترب من حد نافذة السياق ومتابعة الجلسة من ذلك الملخص، فيحتفظ الوكيل بالقرارات والحالة الأساسية ويتخلص من السجل الخام، كمخرجات الأدوات القديمة.
عقوبة التكرار وعقوبة الحضور (Frequency/presence penalty)
عقوبة التكرار (frequency penalty) وعقوبة الحضور (presence penalty) إعدادان لأخذ العينات يخفضان درجة الرموز الموجودة أصلًا في المخرجات. تُطبَّق عقوبة الحضور مرة واحدة بمجرد ظهور الرمز، وتزداد عقوبة التكرار مع كل تكرار. وفي واجهة OpenAI يتراوح كلاهما بين -2.0 و2.0، والقيمة الافتراضية 0.
فك الترميز التخميني (Speculative decoding)
فك الترميز التخميني تقنية استدلال يقترح فيها نموذج مسوّدة صغير وسريع عدة رموز تالية، ثم يتحقق منها النموذج الكبير المستهدف في مرور أمامي واحد ويُبقي المقبول منها. وهي تسرّع التوليد دون أن تغيّر توزيع المخرجات.
قالب المحادثة (Chat template)
قالب المحادثة هو قاعدة التنسيق، المكتوبة غالبًا بلغة Jinja والمرفقة بمجزّئ النموذج، التي تحوّل قائمة رسائل المحادثة بأدوارها إلى تسلسل الرموز الواحد الذي يتوقعه النموذج، بما فيه رموز التحكم الخاصة. واستخدام قالب خاطئ قد يضعف إجابات النموذج بشدة.
مرحلتا الملء المسبق وفك الترميز (Prefill and decode)
الملء المسبق (prefill) وفك الترميز (decode) هما مرحلتا الاستدلال في نماذج LLM. في الملء المسبق يعالج النموذج الأمر كله بالتوازي ويملأ ذاكرة KV المؤقتة؛ وفي فك الترميز يولّد الرد رمزًا تلو الآخر، مستفيدًا من تلك الذاكرة. يحدد الملء المسبق في الغالب زمن أول رمز، ويحدد فك الترميز سرعة الإخراج.
مزيج الخبراء (Mixture of experts، MoE)
مزيج الخبراء (mixture of experts، MoE) تصميم للشبكات العصبية تحوي فيه الطبقة شبكات فرعية خبيرة كثيرة، ويرسل موجّه متعلَّم كل رمز إلى عدد قليل منها فقط. ولنموذج اللغة من نوع MoE عدد معاملات كلي كبير، لكنه يستخدم مجموعة فرعية نشطة صغيرة لكل رمز.
نافذة السياق (Context window)
نافذة السياق هي الحد الأقصى لعدد الرموز (التوكنات) التي يستطيع نموذج اللغة التعامل معها في طلب واحد. وتشمل الأمر (prompt) وسجل المحادثة وتعريفات الأدوات والصور والمخرجات المولَّدة، بما فيها رموز الاستدلال المنطقي. وكل ما لا يتسع لها يجب قصّه أو تلخيصه أو توزيعه على عدة طلبات.
نموذج الرؤية واللغة (Vision-language model)
نموذج الرؤية واللغة (VLM) نموذج يستقبل الصور والنص معًا مدخلاتٍ ويُنتج نصًا، فيستطيع وصف الصور والإجابة عن أسئلة حولها وقراءة المستندات والرسوم البيانية ولقطات الشاشة. وتُسمّى هذه النماذج أيضًا نماذج image-text-to-text أو النماذج متعددة الوسائط.
نموذج اللغة حَكَمًا (LLM-as-a-judge)
نموذج اللغة حَكَمًا (LLM-as-a-judge) طريقة تقييم يمنح فيها نموذج لغة درجات لمخرجات نماذج أخرى، إما بتقييم إجابة واحدة وفق معايير مكتوبة أو باختيار الأفضل بين إجابتين. وهو يقارب الحكم البشري بتكلفة أقل كثيرًا، لكن له تحيّزات معروفة، كتفضيل الإجابة الأولى أو الأطول.
هندسة الأوامر (Prompt engineering)
هندسة الأوامر (prompt engineering) هي عملية كتابة التعليمات المقدَّمة إلى النموذج اللغوي وتنظيمها واختبارها، حتى يُنتج باستمرار مخرجات تفي بمتطلباتك. وتشمل رسائل الأدوار، والتعليمات الواضحة، والأمثلة، والتنسيق، وقياس النتائج على حالات اختبار.
هندسة السياق (Context engineering)
هندسة السياق هي عملية اختيار مجموعة الرموز (التوكنات) التي يراها نموذج اللغة في كل طلب والحفاظ عليها، من أمر النظام وتعريفات الأدوات والسجل والمستندات المسترجعة والملاحظات، حتى يحصل النموذج على أصغر قدر من المعلومات عالية الدلالة يحتاجه لإنجاز المهمة جيدًا.
AWQ (التكميم الواعي بالتفعيلات)
AWQ (التكميم الواعي بالتفعيلات) طريقة تُطبَّق بعد التدريب لضغط أوزان نموذج اللغة إلى دقة منخفضة، غالبًا أعداد صحيحة بـ 4 بتات. وتستخدم إحصاءات التفعيلات من مجموعة معايرة صغيرة لتحديد أهم قنوات الأوزان، ثم تكبّرها كي تفقد دقة أقل. ولا تحتاج إلى الانتشار العكسي.
FP8
FP8 صيغة أعداد بفاصلة عائمة من 8 بت تُستخدم في التعلم العميق، ولها ترميزان: E4M3 بأربع بتات للأس وثلاث للجزء العشري، وE5M2 بخمس بتات للأس واثنتين للجزء العشري. وهي تخفض الذاكرة إلى النصف مقارنةً بصيغ 16 بت، وتعمل أصليًا على وحدات GPU الحديثة.
GGUF
GGUF صيغة ملفات ثنائية لتخزين نماذج اللغة بغرض الاستدلال عبر بيئات تشغيل مبنية على GGML مثل llama.cpp. يحوي ملف GGUF واحد الأوزان، المكمَّمة غالبًا، مع البيانات الوصفية اللازمة لتحميل النموذج، ومنها تفاصيل المُرمِّز والبنية، ويمكن ربطه بالذاكرة لتحميل سريع.
INT4
INT4 صيغة أعداد صحيحة من 4 بتات تمثّل 16 مستوى. وفي استدلال نماذج LLM تعني غالبًا تكميم الأوزان وحدها بـ 4 بتات (W4A16): تُخزَّن الأوزان بصيغة INT4 مع معاملات مقياس وتُوسَّع إلى 16 بتًا أثناء الحساب، فتستهلك نحو ربع ذاكرة أوزان الـ 16 بتًا.
LoRA (التكيّف منخفض الرتبة)
LoRA (التكيّف منخفض الرتبة، low-rank adaptation) طريقة ضبط دقيق موفّرة للمعاملات، تجمّد أوزان النموذج المدرَّب مسبقًا وتدرّب زوجًا من المصفوفات الصغيرة منخفضة الرتبة لطبقات مختارة. ويمكن حفظ التحديث المتعلَّم محوّلًا (adapter) صغيرًا أو دمجه في الأوزان، دون إضافة زمن إلى الاستدلال.
max_tokens (الحد الأقصى لرموز المخرجات)
max_tokens معامل في واجهات LLM API يحدد أقصى عدد من الرموز يمكن أن يولّده النموذج في استجابة واحدة. وحين يبلغ التوليد هذا الحد يتوقف، وتُعلَّم الاستجابة بأنها مقطوعة، مثلًا بضبط finish_reason على "length".
Top-p (أخذ العينات من النواة)
Top-p، ويُسمّى أيضًا أخذ العينات من النواة (nucleus sampling)، طريقة فك ترميز يختار فيها النموذج اللغوي الرمز التالي من أصغر مجموعة من الرموز الأرجح فقط، تلك التي يبلغ مجموع احتمالاتها عتبة p مثل 0.9، ويستبعد الذيل قليل الاحتمال.
vLLM
vLLM مكتبة مفتوحة المصدر للاستدلال بالنماذج اللغوية الكبيرة وتقديمها، طُوّرت أولًا في مختبر Sky Computing بجامعة UC Berkeley. تدير ذاكرة KV المؤقتة (KV cache) بتقنية PagedAttention، وتجمّع الطلبات الواردة باستمرار، وتدعم صيغ تكميم كثيرة، وتوفّر خادم HTTP متوافقًا مع OpenAI.

التسعير والفوترة

الدفع حسب الاستخدام (Pay-as-you-go)
الدفع حسب الاستخدام هو نموذج تسعير تدفع فيه مقابل ما تستخدمه فقط، مقيسًا بوحدات مثل الرموز (التوكنات) أو الطلبات أو دقائق الصوت، دون اشتراك أو حد أدنى للالتزام. وتحتسب معظم واجهات LLM API تكلفتها بهذه الطريقة، من رصيد مدفوع مسبقًا أو بفاتورة دورية.
الرصيد المدفوع مسبقًا (Prepaid credit)
الرصيد المدفوع مسبقًا هو مال يُضاف إلى حساب API قبل الاستخدام. يُخصم من الرصيد ثمن كل طلب، وعندما ينفد الرصيد تتوقف الطلبات المحتسبة بالاستهلاك حتى تشحن رصيدك. وهو يحصر الإنفاق في حدود ما دفعته.
حد الإنفاق (Spend limit)
حد الإنفاق سقف لما يجوز أن ينفقه حساب API أو مشروع أو مفتاح في فترة ما، عادةً شهر. وحين يبلغه الاستخدام، يرفض المزوّد الطلبات اللاحقة، غالبًا بخطأ HTTP 429 أو 400، حتى تبدأ الفترة من جديد أو يُرفع الحد.
خطة LLM API بسعر ثابت (Flat-rate LLM plan)
خطة LLM بسعر ثابت هي خطة تحتسب سعرًا ثابتًا لفترة، كالشهر، مقابل الوصول إلى واجهة API لنموذج لغة، بدل الاحتساب لكل رمز (توكن). وتحدّ هذه الخطط عادةً شيئًا آخر، مثل التزامن أو السرعة أو النماذج أو نوافذ الاستخدام، لذا تهم الحدود بقدر ما يهم السعر.
رموز الإدخال المخزّنة مؤقتًا (Cached input tokens)
رموز الإدخال المخزّنة مؤقتًا هي رموز من الأمر (prompt) عالجها مزوّد نماذج اللغة مؤخرًا ويستطيع إعادة استخدامها من ذاكرة مؤقتة بدل حسابها من جديد، وهي عادةً بادئة متكررة مثل أمر النظام أو مستند. ويحتسبها المزوّدون بسعر أقل من رموز الإدخال الجديدة.
رموز الإدخال والإخراج (Input and output tokens)
رموز الإدخال هي الرموز (التوكنات) التي يقرؤها نموذج اللغة في الطلب، ومنها أمر النظام وسجل المحادثة وتعريفات الأدوات والصور. ورموز الإخراج هي الرموز التي يولّدها في الرد، بما فيها الاستدلال المنطقي. وتسعّر واجهات LLM API كلًّا منهما على حدة عادةً، والإخراج أغلى في الغالب.
ساعة GPU (GPU-hour)
ساعة GPU هي استخدام معالج رسوميات واحد لمدة ساعة. يفوتر مزوّدو السحابة مثيلات GPU المستأجرة بالساعة أو بالثانية، ويستخدم الباحثون ساعات GPU للتعبير عن حجم الحوسبة التي احتاجتها مهمة ما. وتدفع ثمن وقت الجهاز، سواء كان مشغولًا أم لا.

الخصوصية والأمان

اتفاقية معالجة البيانات (DPA)
اتفاقية معالجة البيانات (DPA) هي العقد بين المتحكم والمعالج الذي يحكم طريقة تعامل المعالج مع البيانات الشخصية. تشترطها المادة 28(3) من GDPR وتحدد محتواها: تعليمات موثقة، والسرية، والأمن، وقواعد المعالجين الفرعيين، وحذف البيانات أو إعادتها، والتدقيق.
إقامة البيانات (Data residency)
إقامة البيانات هي اشتراط أو التزام بأن تُخزَّن البيانات وتُعالَج في دولة أو منطقة محددة. وفي واجهة نموذج لغوي (LLM API) تشمل مكان معالجة الأوامر أثناء الاستدلال ومكان أي محتوى مخزّن، وكثيرًا ما تستثني بيانات الحساب والفوترة.
اللائحة العامة لحماية البيانات (GDPR)
اللائحة العامة لحماية البيانات (GDPR، اللائحة (EU) 2016/679) هي قانون الاتحاد الأوروبي لمعالجة البيانات الشخصية. تُطبَّق منذ 25 مايو 2018، وتشمل الجهات القائمة في الاتحاد وبعض الجهات خارجه. وفي واجهات LLM API تحكم عقود المعالجين والنقل الدولي وتقليل البيانات.
المعالج الفرعي (Subprocessor)
المعالج الفرعي طرف ثالث يستعين به المعالج لتنفيذ معالجة البيانات الشخصية نيابةً عن المتحكم. وفي واجهة LLM API قد يشمل المعالجون الفرعيون مستضيفي GPU ومزوّدي استدلال شركاء وسعة احتياطية. وبموجب المادة 28 من GDPR يحتاجون إلى تفويض المتحكم وإلى التزامات حماية البيانات نفسها.
حقن الأوامر (Prompt injection)
حقن الأوامر هجوم يغيّر فيه نصٌّ يُقدَّم إلى نموذج لغوي، من مستخدم أو مخبّأ في صفحة ويب أو بريد إلكتروني أو ملف أو نتيجة أداة، سلوكَ النموذج خلافًا لما أراده المطوّر. وتضعه OWASP في المرتبة الأولى (LLM01:2025) في قائمتها Top 10 لتطبيقات LLM.
ضوابط الحماية (Guardrails)
ضوابط الحماية (guardrails) فحوص يجريها التطبيق حول استدعاء نموذج اللغة لإبقائه ضمن حدود مرسومة. ضوابط الإدخال تفحص ما يدخل إلى النموذج، وضوابط الإخراج تتحقق مما يخرج منه، وضوابط الأدوات تتحقق من الإجراءات قبل تنفيذها. والفحص الفاشل يحجب الطلب أو يعيد كتابته أو يضع عليه علامة.
عدم الاحتفاظ بالبيانات (Zero data retention)
عدم الاحتفاظ بالبيانات (ZDR) هو سياسة للتعامل مع البيانات يعالج فيها مزوّد الذكاء الاصطناعي الأوامر والمخرجات لخدمة الطلب فقط، ولا يخزّن هذا المحتوى بعده في السجلات أو الذاكرة المؤقتة أو بيانات التدريب. وتظل السجلات الخالية من المحتوى، مثل أعداد الرموز والتوقيتات، تُحفظ عادةً.
قائمة عناوين IP المسموحة (IP allow list)
قائمة عناوين IP المسموحة (IP allow list) ضابط أمني يقبل الطلبات من عناوين IP أو نطاقات CIDR المدرجة فقط ويرفض كل ما عداها. وفي واجهات API تحدّ من ضرر تسرّب المفتاح، لأن المفتاح لا يعمل من شبكات غير مدرجة في القائمة.
كسر القيود (Jailbreak) في نماذج LLM
كسر القيود (jailbreak) مُدخل مصمَّم ليجعل نموذج اللغة يتجاهل تدريبه على السلامة أو القواعد التي وضعها التطبيق الذي ينشره، فيُنتج محتوى أو ينفّذ إجراءات كان سيرفضها عادةً. وتعدّ OWASP كسر القيود شكلًا من أشكال حقن الأوامر (prompt injection).
معلومات التعريف الشخصية (PII)
معلومات التعريف الشخصية (PII) هي معلومات يمكن استخدامها لتمييز هوية شخص أو تتبّعها، مثل الاسم أو رقم الهوية أو السجل البيومتري، إضافةً إلى معلومات أخرى مرتبطة بذلك الشخص أو قابلة للربط به. ومصطلح GDPR الأوسع هو البيانات الشخصية. وفي أعمال LLM يزيل حجب PII هذه المعلومات من الأوامر قبل أن تغادر أنظمتك.
مفتاح API (API key)
مفتاح API هو سلسلة نصية سرية تعرّف العميل الذي يستدعي الواجهة وتخوّله. تتوقعه واجهات LLM API عادةً في الترويسة Authorization: Bearer، وكل من يملك المفتاح يستطيع إرسال طلبات تُحتسب تكلفتها على الحساب المالك له.
نظام حماية البيانات الشخصية (PDPL) في السعودية والإمارات
PDPL (Personal Data Protection Law) هو الاسم الشائع لنظام حماية البيانات الشخصية في السعودية، الصادر بالمرسوم الملكي م/19 وتطبّقه سدايا (SDAIA)، وللمرسوم بقانون اتحادي رقم 45 لسنة 2021 في الإمارات. وكلاهما ينظّم معالجة البيانات الشخصية ويضع شروطًا لنقلها إلى الخارج، بما في ذلك الأوامر المرسلة إلى واجهات LLM API أجنبية.

الكلام

التناوب اللغوي (Code-switching)
التناوب اللغوي هو استخدام لغتين أو أكثر، أو صيغتين من اللغة نفسها، في المحادثة أو الجملة الواحدة، كلامًا أو كتابةً. ومن أمثلته أن يمزج الناطقون بالعربية كلمات إنجليزية في لهجتهم، أو أن ينتقلوا بين العربية الفصحى الحديثة ولهجتهم.
الطوابع الزمنية في التفريغ الصوتي (Timestamps)
الطوابع الزمنية في تحويل الصوت إلى نص هي أوقات بداية ونهاية، بالثواني، تُرفق بأجزاء من النص المفرّغ. تغطي طوابع المقاطع عبارة أو جملة؛ وتغطي طوابع الكلمات كل كلمة. وهي لازمة للترجمة المصاحبة للفيديو، وللبحث داخل التسجيلات، ولمطابقة النص مع المتحدثين.
تحويل الصوت إلى نص (Speech-to-text)
تحويل الكلام إلى نص، ويسمّى أيضًا التعرّف التلقائي على الكلام (ASR)، هو تقنية تحوّل الصوت المنطوق إلى نص مكتوب. تستقبل واجهة تحويل الصوت إلى نص ملفًا صوتيًا أو بثًا وتُرجع نصًا مفرّغًا، يُسعَّر عادةً لكل دقيقة صوت. وتُقاس الدقة بمعدل الخطأ في الكلمات، وتتفاوت بحسب اللكنة واللهجة وجودة التسجيل.
تحويل النص إلى كلام (TTS)
تحويل النص إلى كلام (TTS)، أو تركيب الكلام، يحوّل النص المكتوب إلى صوت منطوق. تستقبل واجهة TTS نصًا وصوتًا وصيغة مخرجات مثل MP3 أو WAV، وتُرجع كلامًا مولَّدًا. وهو عكس تحويل الصوت إلى نص، الذي يحوّل الصوت إلى نص.
تمييز المتحدثين (Speaker diarization)
تمييز المتحدثين (speaker diarization) هو مهمة تقسيم التسجيل الصوتي إلى مقاطع حسب المتحدث، للإجابة عن سؤال "من تكلّم ومتى". ويَسِم كل مقطع كلام بمعرّف متحدث مجهول مثل SPEAKER_00، ويُدمج عادةً مع النص المفرّغ ليُظهر من قال كل سطر.
كشف النشاط الصوتي (VAD)
كشف النشاط الصوتي (VAD) خطوة لمعالجة الإشارة تصنّف إطارات قصيرة من الصوت إلى كلام أو غير كلام. تستخدمه أنظمة الكلام لتخطي الصمت، وتقسيم التسجيلات الطويلة عند فترات التوقف، ومعرفة متى أنهى المتحدث كلامه، وتجنّب تفريغ ضوضاء الخلفية.
معدل أخذ العينات (Sample rate)
معدل أخذ العينات هو عدد عينات الصوت الملتقطة في الثانية، ويُقاس بالهرتز (Hz). تتوقع نماذج التعرّف على الكلام عادةً صوتًا أحادي القناة بمعدل 16,000 Hz (16 kHz). ويحدد معدل العينات، مع عمق البت وعدد القنوات، حجم الملف الصوتي غير المضغوط في الدقيقة.
معدل الخطأ في الحروف (CER)
معدل الخطأ في الحروف (CER) يقيس دقة التفريغ الصوتي أو OCR على مستوى الحرف: عدد الاستبدالات والحذوفات والإضافات اللازمة لتحويل المخرجات إلى النص المرجعي، مقسومًا على عدد حروف النص المرجعي. والأقل أفضل، والصفر يعني تطابقًا تامًا.
معدل الخطأ في الكلمات (WER)
معدل الخطأ في الكلمات (WER) هو مقياس الدقة المعياري للتعرّف على الكلام: عدد استبدالات الكلمات وحذوفاتها وإدراجاتها اللازمة لتحويل النص المفرّغ إلى النص المرجعي الصحيح، مقسومًا على عدد كلمات المرجع. والأقل أفضل.
ملف WAV
WAV (Waveform Audio File Format، أو WAVE) حاوية صوتية مبنية على صيغة RIFF من Microsoft وIBM. تحمل عادةً عينات PCM خطية غير مضغوطة، فيكون حجمها متوقَّعًا: معدل العينات مضروبًا في عدد بايتات العينة مضروبًا في عدد القنوات، لكل ثانية.
ملفات الترجمة SRT (SRT subtitles)
SRT (SubRip) صيغة نصية بسيطة للترجمة المصاحبة للفيديو. تتكون كل تسمية من رقم تسلسلي، ووقت بداية ونهاية بالشكل hh:mm:ss,mmm --> hh:mm:ss,mmm، وسطر نص أو أكثر، ثم سطر فارغ. وWebVTT صيغة ويب مشابهة يستخدمها الفيديو في HTML.
Ogg Opus (صيغة الرسائل الصوتية في واتساب)
Ogg Opus هو صوت مرمَّز بترميز Opus (RFC 6716) ومحفوظ داخل حاوية Ogg (RFC 7845). صُمّم للكلام وللصوت التفاعلي بمعدلات بت منخفضة، وهو الصيغة التي يستخدمها واتساب للرسائل الصوتية، عادةً في ملفات .ogg أو .opus.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity