---
title: "ما هو الإسناد (grounding) في نماذج اللغة؟ إجابات من المصادر"
description: "الإسناد يربط إجابة نموذج اللغة بمصادر تقدّمها أنت، كالمستندات أو نتائج البحث أو سجلات قاعدة البيانات، حتى يمكن التحقق من الادعاءات. أساليبه وحدوده."
url: https://broadrouter.com/ar/glossary/grounding/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/glossary/grounding/) (حُدّث في 2026-11-14).

# الإسناد إلى المصادر (Grounding)

آخر تحديث 2026-11-14

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.

يُسمّى أيضًا: الإسناد إلى المصادر، التأريض، الإجابات المسندة، التوليد المسند، grounding، grounded generation، source grounding، grounded answers

النموذج غير المسنَد يجيب من ذاكرته. أما المسنَد فيجيب من الصفحة التي أمامه.

## كيف يعمل

تعرّف وثائق Vertex AI من Google الإسناد بأنه “the ability to connect model output to verifiable sources of information.” (ترجمة: القدرة على ربط مخرجات النموذج بمصادر معلومات قابلة للتحقق.) وقد يكون المصدر بحثًا على الويب، أو مستنداتك الخاصة، أو خدمة خرائط، أو قاعدة بيانات. وأيًا كان المصدر، فللنمط ثلاثة أجزاء:

1.  **جلب الأدلة** للسؤال: مقاطع مسترجعة، أو ملف كامل، أو صورة فاتورة، أو صفوف من SQL.
2.  **وضعها في الأمر** مع تعليمات بالإجابة منها فقط.
3.  **جعل الإجابة قابلة للتحقق** باقتباسات أو علامات استشهاد أو روابط تعود إلى المصدر.

التوليد المعزّز بالاسترجاع هو الأسلوب الأشهر. فقد قرن Lewis وزملاؤه مولّدًا بـ “dense vector index of Wikipedia” (ترجمة: فهرس متجهات كثيف لويكيبيديا) يُوصل إليه عبر مسترجِع عصبي، وأفادوا بإجابات أكثر تحديدًا وأكثر التزامًا بالحقائق من نموذج يعمل من معاملاته وحدها. وبناء ذلك الفهرس يستخدم [التضمينات](https://broadrouter.com/ar/glossary/embeddings/)، وكثيرًا ما يستخدم [قاعدة بيانات متجهات](https://broadrouter.com/ar/glossary/vector-database/).

أمر مسنَد بأبسط صورة:

```text
Answer using only the policy below. Quote the sentence that supports your answer.
If the policy does not answer the question, reply "Not in the policy."

<policy>Refunds are available within 14 days of purchase.</policy>

Question: Can I get a refund after three weeks?
```

الرد المسنَد يقول لا ويقتبس جملة الأيام الأربعة عشر. أما النموذج غير المسنَد فقد يخمّن سياسة 30 يومًا تبدو مألوفة.

وللمدخلات الطويلة، تقترح Anthropic خطوة الاقتباس أولًا: في المستندات التي تتجاوز 20,000 رمز، اجعل النموذج يستخرج اقتباسات حرفية، ثم يجيب من تلك الاقتباسات وحدها.

## لماذا يهم

-   **حقائق مختلَقة أقل.** تذكر Google الحدّ من الهلوسة فائدةً أساسية. والإسناد هو العلاج الأكثر مباشرة [للهلوسة](https://broadrouter.com/ar/glossary/hallucination/) بشأن بياناتك الخاصة.
-   **معلومات حديثة.** أوزان النموذج مجمّدة عند وقت التدريب. أما المصادر المسنَد إليها فيمكن أن تتغير يوميًا دون إعادة تدريب.
-   **قابلية التدقيق.** الادعاء المصحوب باقتباس يمكن أن يتحقق منه إنسان أو شيفرة.
-   **موازنة التكلفة.** الأدلة رموز إدخال. استرجاع خمسة مقاطع أرخص من إرسال دليل كامل، لكنه قد يفوّت المقطع المهم. والأوامر الطويلة جدًا تخاطر أيضًا بمشكلة [الضياع في المنتصف](https://broadrouter.com/ar/glossary/lost-in-the-middle/).

## في BroadNet Inference

لا تذكر وثائق BroadNet نقطة نهاية للتضمينات، ولا أداة بحث، ولا ميزة للاستشهادات، لذا يجري الاسترجاع في شيفرتك. وما تقدّمه الواجهة هو متسع للأدلة: [نافذة سياق](https://broadrouter.com/ar/glossary/context-window/) من 1,048,576 رمزًا في DeepSeek V4.1 Flash وGLM 5.3، و262,144 في Qwen3.8 27B، وإدخال الصور في النماذج التي يذكر مدخلها في الوثائق الصور أو الرؤية. وهذا يجعل “لصق المستند كاملًا” خيارًا حقيقيًا؛ ويقارن مقال [السياق الطويل مقابل RAG](https://broadrouter.com/ar/blog/long-context-vs-rag/) تكلفة كل منهما، ويُسند [دليل الفواتير](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/) الاستخراج إلى صورة ممسوحة ضوئيًا.

## أسئلة شائعة

### هل الإسناد هو نفسه RAG؟

RAG طريقة واحدة من طرق الإسناد. فهو يسترجع مقاطع ويضيفها إلى الأمر. ويمكنك أيضًا الإسناد بلصق مستند كامل، أو إرفاق صورة، أو إضافة نتائج بحث حي أو قاعدة بيانات.

### هل يضمن الإسناد إجابة صحيحة؟

لا. قد يظل النموذج يسيء قراءة المصدر أو يتجاهله. اطلب اقتباسات أو استشهادات، وتحقق من وجود كل منها في المصدر.

### كيف أجعل نموذج اللغة يجيب من مستنداتي فقط؟

قدّم المستندات، وأخبر النموذج أن يستخدمها وحدها، واسمح له بأن يقول إن الإجابة غير موجودة فيها، واشترط اقتباسًا لكل ادعاء.

## انظر أيضًا

-   [الهلوسة (Hallucination)](https://broadrouter.com/ar/glossary/hallucination/) (مصطلح)
-   [RAG (التوليد المعزّز بالاسترجاع)](https://broadrouter.com/ar/glossary/rag/) (مصطلح)
-   [التضمينات (Embeddings)](https://broadrouter.com/ar/glossary/embeddings/) (مصطلح)
-   [نافذة السياق (Context window)](https://broadrouter.com/ar/glossary/context-window/) (مصطلح)
-   [قاعدة بيانات المتجهات (Vector database)](https://broadrouter.com/ar/glossary/vector-database/) (مصطلح)
-   [الضياع في المنتصف (Lost in the middle)](https://broadrouter.com/ar/glossary/lost-in-the-middle/) (مصطلح)
-   [قراءة الفواتير والإيصالات العربية بنموذج رؤية](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/) (دليل)
-   [السياق الطويل أم RAG: متى تُغني مليون رمز عن قاعدة المتجهات؟](https://broadrouter.com/ar/blog/long-context-vs-rag/) (مقال)
-   [RAG للعربية: التطبيع والتقطيع والاسترجاع الذي ينجح فعلًا](https://broadrouter.com/ar/blog/arabic-rag-search/) (مقال)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-grounding&utm_content=page-cta) ·

**المصادر**

-   [Google Cloud، نظرة عامة على الإسناد (Vertex AI)](https://docs.cloud.google.com/vertex-ai/generative-ai/docs/grounding/overview)
-   [Lewis وآخرون (2020)، Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks](https://arxiv.org/abs/2005.11401)
-   [Anthropic، الحد من الهلوسة (الاقتباسات المباشرة والاستشهادات)](https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations)
-   [مرجع BroadNet Inference API، معرّفات النماذج والسياق (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-grounding&utm_content=sources#models)
