BroadRouter

التلقين بأمثلة قليلة (Few-shot prompting)

آخر تحديث

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.

يُسمّى أيضًا: التلقين بأمثلة قليلة، التعلم بأمثلة قليلة، أمثلة داخل الأمر، التلقين بمثال واحد، few-shot prompting، few-shot learning، multishot prompting، in-context examples، one-shot prompting

العرض أبلغ من الشرح. بضعة أمثلة كثيرًا ما تضبط التنسيق والنبرة أسرع من فقرة كاملة من القواعد.

كيف يعمل

جعلت ورقة GPT-3 التي كتبها Brown وزملاؤه المصطلح شائعًا. فقد اختبرت نموذجًا بـ 175 مليار معامل على مهام “specified purely via text interaction with the model” (ترجمة: محددة بالكامل عبر التفاعل النصي مع النموذج)، دون أي تحديثات للتدرّج أو ضبط دقيق، ووجدت أن أداء few-shot يتحسن بقوة مع حجم النموذج. وتعرّف الورقة ثلاثة أوضاع:

الوضع الأمثلة في الأمر
Zero-shot لا شيء، تعليمات فقط
One-shot مثال واحد
Few-shot عدة أمثلة، بحدود نافذة السياق

قد يبدو أمر few-shot لتصنيف تذاكر الدعم هكذا:

Ticket: "My card was charged twice." -> billing
Ticket: "The app crashes on login." -> bug
Ticket: "Can you add dark mode?" -> feature_request
Ticket: "I was billed after cancelling." ->

يتابع النموذج النمط. ويصف دليل Anthropic الأمثلة بأنها “one of the most reliable ways to steer” (ترجمة: من أكثر الطرق موثوقية لتوجيه) التنسيق والنبرة والبنية، ويطلب أن تكون ذات صلة ومتنوعة ومحاطة بوسوم حتى يميّزها النموذج عن التعليمات.

لماذا يهم

  • التحكم في التنسيق. تُظهر الأمثلة حالات حدّية تفوتها القواعد، مثل طريقة كتابة حقل فارغ. ولـ JSON الصارم، اجمعها مع المخرجات المهيكلة.
  • التكلفة. يُعاد إرسال كل مثال إدخالًا في كل استدعاء. خمسة أمثلة من 200 رمز تضيف 1,000 رمز لكل طلب. وإذا وُضعت في بادئة ثابتة، أمكن احتسابها رموز إدخال مخزّنة مؤقتًا.
  • الاستدلال. الأمثلة التي تعرض الخطوات، لا الإجابة فقط، هي تلقين سلسلة التفكير.
  • متى تتوقف. إذا احتجت إلى مئات الأمثلة، فقد يكون الضبط الدقيق أرخص لكل استدعاء من إرسالها كل مرة.

في BroadNet Inference

لا يحتاج التلقين بأمثلة قليلة إلى ميزة خاصة في الواجهة؛ إنه نص عادي داخل messages. تُبلغ BroadNet عن cached_tokens ضمن usage، فتستطيع التحقق مما إذا كانت كتلة الأمثلة تُقرأ من الذاكرة المؤقتة. وعلى مفتاح الدفع حسب الاستخدام يكون السعر المخزّن مؤقتًا أقل من سعر الإدخال؛ ففي DeepSeek V4.1 Flash يبلغ $0.0055 مقابل $0.175 لكل مليون رمز. وللمهام العربية، راجع هندسة الأوامر بالعربية، ولاستخراج بيانات المستندات بالأمثلة، دليل الفواتير العربية.

أخطاء شائعة

  • استخدام أمثلة تشترك كلها في وسم واحد أو طول واحد. ينسخ النموذج هذا الانحياز.
  • تبديل الأمثلة مع كل طلب. فهذا يكسر البادئة المخزّنة مؤقتًا ويصعّب مقارنة النتائج.

أسئلة شائعة

كم مثالًا يجب أن يتضمن أمر few-shot؟

تقترح Anthropic من 3 إلى 5 أمثلة لأفضل النتائج. والأمثلة الأكثر تكلّف رموز إدخال أكثر في كل استدعاء، فتوقف عن إضافتها حين تتوقف الجودة عن التحسن.

هل التلقين بأمثلة قليلة هو نفسه الضبط الدقيق؟

لا. أمثلة few-shot تعيش داخل الأمر وتُعاد إرسالها مع كل طلب. أما الضبط الدقيق فيغيّر أوزان النموذج مرة واحدة، فلا تعود هناك حاجة لإرسال الأمثلة.

هل أضع الأمثلة في أمر النظام أم في أدوار المحادثة؟

كلاهما يصلح. أبقها في موضع ثابت قرب البداية لتشكّل بادئة ثابتة قابلة للتخزين المؤقت.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity