هندسة الأوامر — تصميم التعليمات لنماذج اللغة الكبيرة
هندسة الأوامر (Prompt engineering) هي ممارسة صياغة تعليمات منظمة باللغة الطبيعية — أوامر (prompts) — لاستنباط مخرجات مستهدفة من نماذج اللغة الكبيرة (LLMs). وقد تم إضفاء الطابع الرسمي عليها بواسطة Brown وآخرون (2020) في سياق GPT-3 وتوسيعها بواسطة Wei وآخرون (2022) باستخدام سلسلة الأفكار (chain-of-thought prompting)، وهي تشمل أربع استراتيجيات رئيسية: الاستجابة بصفر مثال (zero-shot)، والاستجابة ببضعة أمثلة (few-shot)، وسلسلة الأفكار (chain-of-thought)، وشجرة الأفكار (tree-of-thought). وبدلاً من إعادة تدريب النموذج، يقوم المحلل بتشكيل سلوك النموذج بالكامل من خلال تصميم نص الإدخال.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS), 33, 1877-1901. link ↗
- Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Advances in Neural Information Processing Systems (NeurIPS), 35. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/ar/text-mining/prompt-engineering
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تصنيف النصوص قليل الأمثلةتنقيب النصوص↔ compare
- ضبط نماذج GPT الدقيقالتعلم العميق↔ compare
- LoRA و PEFTالتعلم العميق↔ compare
- توليد اللغة الطبيعيةتنقيب النصوص↔ compare
- التوليد المعزز بالاسترجاع (RAG)تنقيب النصوص↔ compare
- تصنيف النصوصتنقيب النصوص↔ compare
- التصنيف الصفري (Zero-Shot Classification)تنقيب النصوص↔ compare