مهمة لكل مستخدمي ChatGPT
هندسة المطالبات
(Prompt Engineering)
دراسة استقصائية مكونة تضم أكثر من 1500 ورقة تحفيزية، مع تحليل كل أسلوب تحفيزي ووكلاء وGenAI
بقيادة @learnprompting وأشخاص من @OpenAI و @Microsoft و @UofMaryland
هندسة المطالبات
(Prompt Engineering)
دراسة استقصائية مكونة تضم أكثر من 1500 ورقة تحفيزية، مع تحليل كل أسلوب تحفيزي ووكلاء وGenAI
بقيادة @learnprompting وأشخاص من @OpenAI و @Microsoft و @UofMaryland
تقنيات هندسة المطالبات
(Prompt Engineering techniques)
هي مجموعة من الاستراتيجيات والأساليب التي تُستخدم لتحسين كيفية تقديم المطالبات (prompts) إلى نماذج GenAI، مثل ChatGPT للحصول على استجابات ذات جودة.
لكل تقنية استخدام يعطي جودة أفضل حسب الهدف
(Prompt Engineering techniques)
هي مجموعة من الاستراتيجيات والأساليب التي تُستخدم لتحسين كيفية تقديم المطالبات (prompts) إلى نماذج GenAI، مثل ChatGPT للحصول على استجابات ذات جودة.
لكل تقنية استخدام يعطي جودة أفضل حسب الهدف
سوف أفصلها بوصف ومثال يساعد على فهمها وتطبيقها
1.In-Context Learning (التعلم في السياق)
•الوصف: التعلم من الأمثلة المقدمة في النص.
•مثال: “ترجم: Bonjour”
2.Few-Shot Prompting (التلقين ببضع لقطات)
•الوصف: تقديم بعض الأمثلة لتوجيه النموذج.
•مثال: “ترجم: Bonjour -> Hello”
3.Zero-Shot Prompting (التلقين بدون لقطات)
•الوصف: لا يتم تقديم أي أمثلة؛ يعتمد على المعرفة العامة.
•مثال: “ترجم ما يلي: Bonjour”
4.Vanilla Prompting (التلقين البسيط)
•الوصف: تعليمات بسيطة لتوجيه النموذج.
•مثال: “كن محايدًا في إجابتك.”
5.Role Prompting (تلقين الدور)
•الوصف: تعيين دور أو شخصية محددة للنموذج.
•مثال: “تصرف كمعلم: اشرح عملية التمثيل الضوئي.”
6.Style Prompting (تلقين النمط)
•الوصف: تحديد النمط أو النغمة المرغوبة للإخراج.
•مثال: “اكتب بنبرة رسمية: عزيزي السيد/السيدة،”
•الوصف: التعلم من الأمثلة المقدمة في النص.
•مثال: “ترجم: Bonjour”
2.Few-Shot Prompting (التلقين ببضع لقطات)
•الوصف: تقديم بعض الأمثلة لتوجيه النموذج.
•مثال: “ترجم: Bonjour -> Hello”
3.Zero-Shot Prompting (التلقين بدون لقطات)
•الوصف: لا يتم تقديم أي أمثلة؛ يعتمد على المعرفة العامة.
•مثال: “ترجم ما يلي: Bonjour”
4.Vanilla Prompting (التلقين البسيط)
•الوصف: تعليمات بسيطة لتوجيه النموذج.
•مثال: “كن محايدًا في إجابتك.”
5.Role Prompting (تلقين الدور)
•الوصف: تعيين دور أو شخصية محددة للنموذج.
•مثال: “تصرف كمعلم: اشرح عملية التمثيل الضوئي.”
6.Style Prompting (تلقين النمط)
•الوصف: تحديد النمط أو النغمة المرغوبة للإخراج.
•مثال: “اكتب بنبرة رسمية: عزيزي السيد/السيدة،”
7.Emotion Prompting (التلقين بالعاطفة)
•الوصف: دمج السياق العاطفي للتأثير على المخرجات.
•مثال: “هذا مهم بالنسبة لي: كيف أحسن سيرتي الذاتية؟”
8.Interactive Chain (السلسلة التفاعلية)
•الوصف: يولد أسئلة فرعية، ويصقلها بناءً على الردود.
•مثال: “اطرح أسئلة توضيحية قبل الإجابة النهائية.”
9.Iterative Prompting (التلقين التكراري)
•الوصف: تحسين الإجابة من خلال تكرارات متعددة.
•مثال: “أنشئ مسودة، ثم حسنها مع الملاحظات.”
10.Self-Consistency (الاتساق الذاتي)
•الوصف: يستخدم عدة تلقينات ويجمع الاستجابات.
•مثال: مسارات متعددة للتفكير لحل مسألة رياضية.
11.Chain-of-Thought (سلسلة التفكير)
•الوصف: يشجع التفكير قبل إعطاء الإجابة.
•مثال: “دعونا نفكر خطوة بخطوة: 2+2=4.”
12.Step-Back Prompting (التلقين بخطوة للخلف)
•الوصف: سؤال على مستوى عالٍ أولاً، ثم التفكير.
•مثال: “افهم أولاً، ثم حل: ما هو 2+2؟”
•الوصف: دمج السياق العاطفي للتأثير على المخرجات.
•مثال: “هذا مهم بالنسبة لي: كيف أحسن سيرتي الذاتية؟”
8.Interactive Chain (السلسلة التفاعلية)
•الوصف: يولد أسئلة فرعية، ويصقلها بناءً على الردود.
•مثال: “اطرح أسئلة توضيحية قبل الإجابة النهائية.”
9.Iterative Prompting (التلقين التكراري)
•الوصف: تحسين الإجابة من خلال تكرارات متعددة.
•مثال: “أنشئ مسودة، ثم حسنها مع الملاحظات.”
10.Self-Consistency (الاتساق الذاتي)
•الوصف: يستخدم عدة تلقينات ويجمع الاستجابات.
•مثال: مسارات متعددة للتفكير لحل مسألة رياضية.
11.Chain-of-Thought (سلسلة التفكير)
•الوصف: يشجع التفكير قبل إعطاء الإجابة.
•مثال: “دعونا نفكر خطوة بخطوة: 2+2=4.”
12.Step-Back Prompting (التلقين بخطوة للخلف)
•الوصف: سؤال على مستوى عالٍ أولاً، ثم التفكير.
•مثال: “افهم أولاً، ثم حل: ما هو 2+2؟”
13.Self-Criticism (النقد الذاتي)
•الوصف: يقوم النموذج بانتقاد مخرجاته الخاصة وتحسينها.
•مثال: “هل هذه الإجابة صحيحة؟ إذا لم تكن كذلك، فقم بتحسينها.”
14.Ensembling (التجميع)
•الوصف: يستخدم عدة تلقينات ويجمع الاستجابات من أجل الدقة.
•مثال: التصويت بالأغلبية من مسارات التفكير المختلفة.
15.Answer Engineering (هندسة الإجابة)
•الوصف: استراتيجيات لاستخراج الإجابات الدقيقة من المخرجات.
•مثال: “حدد كإيجابي أو سلبي: هذا رائع!”
16.Negative Prompting (التلقين السلبي)
•الوصف: تحديد الشروط التي يجب تجنبها لتحسين جودة المخرجات.
•مثال: “تجنب إنشاء أرقام إضافية في الأيدي.”
17.Self-Calibration (المعايرة الذاتية)
•الوصف: تقييم إجابة النموذج الأولية وضبط التلقين.
•مثال: “هل هذه الإجابة صحيحة؟ إذا لم تكن كذلك، قدم التبرير.”
18.Self-Refine (التحسين الذاتي)
•الوصف: تحسين الإجابة بشكل تكراري بناءً على التغذية الراجعة.
•مثال: “حسن هذه الإجابة بناءً على الملاحظات.”
•الوصف: يقوم النموذج بانتقاد مخرجاته الخاصة وتحسينها.
•مثال: “هل هذه الإجابة صحيحة؟ إذا لم تكن كذلك، فقم بتحسينها.”
14.Ensembling (التجميع)
•الوصف: يستخدم عدة تلقينات ويجمع الاستجابات من أجل الدقة.
•مثال: التصويت بالأغلبية من مسارات التفكير المختلفة.
15.Answer Engineering (هندسة الإجابة)
•الوصف: استراتيجيات لاستخراج الإجابات الدقيقة من المخرجات.
•مثال: “حدد كإيجابي أو سلبي: هذا رائع!”
16.Negative Prompting (التلقين السلبي)
•الوصف: تحديد الشروط التي يجب تجنبها لتحسين جودة المخرجات.
•مثال: “تجنب إنشاء أرقام إضافية في الأيدي.”
17.Self-Calibration (المعايرة الذاتية)
•الوصف: تقييم إجابة النموذج الأولية وضبط التلقين.
•مثال: “هل هذه الإجابة صحيحة؟ إذا لم تكن كذلك، قدم التبرير.”
18.Self-Refine (التحسين الذاتي)
•الوصف: تحسين الإجابة بشكل تكراري بناءً على التغذية الراجعة.
•مثال: “حسن هذه الإجابة بناءً على الملاحظات.”
19.Reversing Chain-of-Thought (عكس سلسلة التفكير)
•الوصف: استخدام الإجابات التي تم إنشاؤها لإعادة بناء والتحقق من المشكلة.
•مثال: “أعد بناء المشكلة بناءً على هذه الإجابة.”
20.Self-Verification (التحقق الذاتي)
•الوصف: إنشاء حلول متعددة والتحقق منها.
•مثال: “إنشاء حلول متعددة والتحقق من كل منها.”
21.K-Nearest Neighbor (KNN)
•الوصف: اختيار أمثلة مشابهة لعينة الاختبار لتحسين الأداء.
•مثال: “اعثر على أمثلة مشابهة للإرشاد بشكل أفضل.”
22.Vote-K
•الوصف: اقتراح أمثلة غير مسماة مفيدة للتعليق عليها.
•مثال: “اختر وقم بتسمية أمثلة متنوعة.”
23.Self-Generated ICL (SG-ICL)
•الوصف: الاستفادة من GenAI لإنشاء أمثلة تلقائيًا.
•مثال: “إنشاء أمثلة تلقائيًا للإرشاد.”
24.Prompt Mining (استخراج التلقين)
•الوصف: اكتشاف “الكلمات الوسطى” المثلى في التلقينات من خلال تحليل النصوص.
•مثال: “اعثر على أفضل صيغة للتلقين من مجموعات البيانات الكبيرة.”
25.More Complicated Techniques (تقنيات أكثر تعقيدًا)
•الوصف: استخدام التصفية التكرارية، والتضمين، والاسترجاع، والتعلم المعزز.
•مثال: “تطبيق تقنيات متقدمة لتحسين التلقين.”
•الوصف: استخدام الإجابات التي تم إنشاؤها لإعادة بناء والتحقق من المشكلة.
•مثال: “أعد بناء المشكلة بناءً على هذه الإجابة.”
20.Self-Verification (التحقق الذاتي)
•الوصف: إنشاء حلول متعددة والتحقق منها.
•مثال: “إنشاء حلول متعددة والتحقق من كل منها.”
21.K-Nearest Neighbor (KNN)
•الوصف: اختيار أمثلة مشابهة لعينة الاختبار لتحسين الأداء.
•مثال: “اعثر على أمثلة مشابهة للإرشاد بشكل أفضل.”
22.Vote-K
•الوصف: اقتراح أمثلة غير مسماة مفيدة للتعليق عليها.
•مثال: “اختر وقم بتسمية أمثلة متنوعة.”
23.Self-Generated ICL (SG-ICL)
•الوصف: الاستفادة من GenAI لإنشاء أمثلة تلقائيًا.
•مثال: “إنشاء أمثلة تلقائيًا للإرشاد.”
24.Prompt Mining (استخراج التلقين)
•الوصف: اكتشاف “الكلمات الوسطى” المثلى في التلقينات من خلال تحليل النصوص.
•مثال: “اعثر على أفضل صيغة للتلقين من مجموعات البيانات الكبيرة.”
25.More Complicated Techniques (تقنيات أكثر تعقيدًا)
•الوصف: استخدام التصفية التكرارية، والتضمين، والاسترجاع، والتعلم المعزز.
•مثال: “تطبيق تقنيات متقدمة لتحسين التلقين.”
26.Multimodal ICL (التعلم في السياق متعدد الوسائط)
•الوصف: تطبيق التعلم في السياق على المدخلات متعددة الوسائط.
•مثال: “صف هذه الصورة: [صورة]”
27.Image-as-Text Prompting (تلقين الصورة كنص)
•الوصف: توليد وصف نصي للصور لاستخدامه في التلقينات النصية.
•مثال: “صف محتوى هذه الصورة.”
28.Paired-Image Prompting (التلقين بالصورة المزدوجة)
•الوصف: عرض صور قبل وبعد لتوجيه فهم النموذج.
•مثال: “أظهر التغييرات بين هاتين الصورتين.”
29.Segmentation Prompting (تلقين التقسيم)
•الوصف: استخدام أجزاء الصور المجزأة لتحسين الفهم.
•مثال: “صف الأجزاء المجزأة لهذه الصورة.”
30.3D Prompting (التلقين ثلاثي الأبعاد)
•الوصف: استخدام نماذج ثلاثية الأبعاد في التلقين.
•مثال: “اشرح هيكل هذا النموذج ثلاثي الأبعاد.”
•الوصف: تطبيق التعلم في السياق على المدخلات متعددة الوسائط.
•مثال: “صف هذه الصورة: [صورة]”
27.Image-as-Text Prompting (تلقين الصورة كنص)
•الوصف: توليد وصف نصي للصور لاستخدامه في التلقينات النصية.
•مثال: “صف محتوى هذه الصورة.”
28.Paired-Image Prompting (التلقين بالصورة المزدوجة)
•الوصف: عرض صور قبل وبعد لتوجيه فهم النموذج.
•مثال: “أظهر التغييرات بين هاتين الصورتين.”
29.Segmentation Prompting (تلقين التقسيم)
•الوصف: استخدام أجزاء الصور المجزأة لتحسين الفهم.
•مثال: “صف الأجزاء المجزأة لهذه الصورة.”
30.3D Prompting (التلقين ثلاثي الأبعاد)
•الوصف: استخدام نماذج ثلاثية الأبعاد في التلقين.
•مثال: “اشرح هيكل هذا النموذج ثلاثي الأبعاد.”
31.Chain-of-Dictionary (سلسلة القاموس)
•الوصف: استخدام تعريفات القاموس في لغات متعددة للترجمات.
•مثال: “استخدم هذه التعريفات في عملية الترجمة.”
32.Decomposed Prompting for MT (التلقين المجزأ للترجمة الآلية)
•الوصف: تقسيم النص، ترجمة كل جزء بشكل مستقل.
•مثال: “ترجم كل قسم، ثم اجمع.”
33.Multilingual Prompting (التلقين متعدد اللغات)
•الوصف: تقنيات توجيه المخرجات بلغات متعددة.
•مثال: “ترجم هذا النص إلى الإسبانية: [نص]”
34.Meta Prompting (التلقين الفوقي)
•الوصف: استخدام تلقين لإنشاء أو تحسين تلقين آخر.
•مثال: “أنشئ تلقينًا أفضل لهذه المهمة.”
35.AutoPrompt (التلقين التلقائي)
•الوصف: استخدام قالب مع رموز مشغلة تم تحسينها أثناء التدريب.
•مثال: “حسن هذه الرموز لأداء أفضل.”
36.Graph-of-Thought (رسم بياني للتفكير)
•الوصف: استخدام التمثيلات البيانية لهيكلة وصقل التفكير.
•مثال: “أنشئ رسمًا بيانيًا لتمثيل خطوات التفكير.”
37.Tree-of-Thought (شجرة التفكير)
•الوصف: استخدام الهياكل الشجرية لاستكشاف مسارات التفكير المتعددة.
•مثال: “استكشف المسارات المختلفة باستخدام هيكل شجري.”
•الوصف: استخدام تعريفات القاموس في لغات متعددة للترجمات.
•مثال: “استخدم هذه التعريفات في عملية الترجمة.”
32.Decomposed Prompting for MT (التلقين المجزأ للترجمة الآلية)
•الوصف: تقسيم النص، ترجمة كل جزء بشكل مستقل.
•مثال: “ترجم كل قسم، ثم اجمع.”
33.Multilingual Prompting (التلقين متعدد اللغات)
•الوصف: تقنيات توجيه المخرجات بلغات متعددة.
•مثال: “ترجم هذا النص إلى الإسبانية: [نص]”
34.Meta Prompting (التلقين الفوقي)
•الوصف: استخدام تلقين لإنشاء أو تحسين تلقين آخر.
•مثال: “أنشئ تلقينًا أفضل لهذه المهمة.”
35.AutoPrompt (التلقين التلقائي)
•الوصف: استخدام قالب مع رموز مشغلة تم تحسينها أثناء التدريب.
•مثال: “حسن هذه الرموز لأداء أفضل.”
36.Graph-of-Thought (رسم بياني للتفكير)
•الوصف: استخدام التمثيلات البيانية لهيكلة وصقل التفكير.
•مثال: “أنشئ رسمًا بيانيًا لتمثيل خطوات التفكير.”
37.Tree-of-Thought (شجرة التفكير)
•الوصف: استخدام الهياكل الشجرية لاستكشاف مسارات التفكير المتعددة.
•مثال: “استكشف المسارات المختلفة باستخدام هيكل شجري.”
38.Automate-CoT (أتمتة سلسلة التفكير)
•الوصف: أتمتة عملية سلسلة التفكير لتحسين الكفاءة.
•مثال: “أتمت خطوات التفكير لتحسين النتائج.”
39.Complexity-Based Prompting (التلقين بناءً على التعقيد)
•الوصف: تعديل تعقيد التلقين بناءً على صعوبة المهمة.
•مثال: “بسط أو عقد التلقين بناءً على المهمة.”
40.Self-Evaluation (التقييم الذاتي)
•الوصف: يقيم النموذج إجاباته الخاصة من أجل الدقة والكمال.
•مثال: “قيم وحسن إجابتك بناءً على معايير.”
41.Program of Thoughts (برنامج الأفكار)
•الوصف: استخدام المنطق البرمجي لهيكلة وصقل التفكير.
•مثال: “طبق المنطق البرمجي لحل المشكلة.”
42.Chain-of-Images (سلسلة الصور)
•الوصف: استخدام تسلسلات الصور لتوجيه عملية التفكير بالنموذج.
•مثال: “استخدم هذه الصور لتوضيح خطوات التفكير.”
43.Video Generation Techniques (تقنيات توليد الفيديو)
•الوصف: استخدام تقنيات متعلقة بالصور لتحسين توليد الفيديو.
•مثال: “أنشئ فيديو استنادًا إلى الصور التالية.”
44.Audio Prompting (التلقين الصوتي)
•الوصف: تمديد تقنيات التلقين لتشمل الصوت.
•مثال: “عالج هذا الملف الصوتي للحصول على معلومات محددة.”
45.4D Scene Generation (توليد مشاهد رباعية الأبعاد)
•الوصف: تحريك مشهد ثلاثي الأبعاد بناءً على مدخلات نصية.
•مثال: “حرك هذا المشهد الثلاثي الأبعاد بالمدخلات التالية.”
•الوصف: أتمتة عملية سلسلة التفكير لتحسين الكفاءة.
•مثال: “أتمت خطوات التفكير لتحسين النتائج.”
39.Complexity-Based Prompting (التلقين بناءً على التعقيد)
•الوصف: تعديل تعقيد التلقين بناءً على صعوبة المهمة.
•مثال: “بسط أو عقد التلقين بناءً على المهمة.”
40.Self-Evaluation (التقييم الذاتي)
•الوصف: يقيم النموذج إجاباته الخاصة من أجل الدقة والكمال.
•مثال: “قيم وحسن إجابتك بناءً على معايير.”
41.Program of Thoughts (برنامج الأفكار)
•الوصف: استخدام المنطق البرمجي لهيكلة وصقل التفكير.
•مثال: “طبق المنطق البرمجي لحل المشكلة.”
42.Chain-of-Images (سلسلة الصور)
•الوصف: استخدام تسلسلات الصور لتوجيه عملية التفكير بالنموذج.
•مثال: “استخدم هذه الصور لتوضيح خطوات التفكير.”
43.Video Generation Techniques (تقنيات توليد الفيديو)
•الوصف: استخدام تقنيات متعلقة بالصور لتحسين توليد الفيديو.
•مثال: “أنشئ فيديو استنادًا إلى الصور التالية.”
44.Audio Prompting (التلقين الصوتي)
•الوصف: تمديد تقنيات التلقين لتشمل الصوت.
•مثال: “عالج هذا الملف الصوتي للحصول على معلومات محددة.”
45.4D Scene Generation (توليد مشاهد رباعية الأبعاد)
•الوصف: تحريك مشهد ثلاثي الأبعاد بناءً على مدخلات نصية.
•مثال: “حرك هذا المشهد الثلاثي الأبعاد بالمدخلات التالية.”
46.Memory-of-Thought (ذاكرة التفكير)
•الوصف: يستخدم المخرجات السابقة لإبلاغ الاستجابة الحالية، مما يخلق استمرارية في التفكير.
•مثال: “ضع في اعتبارك الإجابات السابقة عند الرد.”
47.Few-Shot-CoT (التعلم ببضع لقطات مع سلسلة التفكير)
•الوصف: يجمع بين التعلم ببضع لقطات مع سلسلة التفكير.
•مثال: “قدم بعض الأمثلة واستنتج خطوة بخطوة.”
48.Step-Aware Verification (التحقق المدرك للخطوات)
•الوصف: يستخدم نهج خطوة بخطوة للتحقق من الإجابات التي يولدها النموذج.
•مثال: “تحقق من كل خطوة من خطوات عملية الحل.”
49.Demonstration Ensembling (تجميع العروض)
•الوصف: يجمع بين عروض متعددة لإنشاء تلقين أكثر قوة.
•مثال: “استخدم أمثلة متعددة لتوجيه الإجابة.”
50.Self-Generated ICL (التعلم في السياق الذي تم إنشاؤه ذاتيًا)
•الوصف: يستخدم مخرجات النموذج الخاصة كأمثلة في السياق لمزيد من التلقين.
•مثال: “استخدم المخرجات السابقة كأمثلة جديدة.”
51.Question Decomposition (تحليل السؤال)
•الوصف: يكسر الأسئلة المعقدة إلى أسئلة فرعية أبسط.
•مثال: “قسم السؤال إلى أجزاء أصغر يمكن إدارتها.”
52.Deductive Verification (التحقق الاستنتاجي)
•الوصف: يستخدم التفكير الاستنتاجي للتحقق من الإجابات التي يولدها النموذج.
•مثال: “طبق المنطق الاستنتاجي للتحقق من الإجابة.”
53.Faithful CoT (سلسلة التفكير الموثوقة)
•الوصف: يضمن أن سلسلة التفكير تتماشى مع سياق السؤال.
•مثال: “تأكد من أن التفكير يتماشى مع السؤال.”
54.Maieutic Prompting (التلقين السقراطي)
•الوصف: يستخدم الطريقة السقراطية لتحسين الإجابات من خلال طرح الأسئلة.
•مثال: “اطرح أسئلة موجهة لتحسين الإجابة.”
55.Active Prompting (التلقين النشط)
•الوصف: يضبط التلقين بناءً على التغذية الراجعة النشطة من المستخدمين أو النماذج الأخرى.
•مثال: “عدل التلقين بناءً على التغذية الراجعة المستلمة.”
56.Plan-and-Solve Prompting (التلقين بخطة وحل)
•الوصف: يخطط لاستراتيجية الحل قبل حل المشكلة.
•مثال: “حدد الخطوات قبل حل المشكلة.”
57.Automate-CoT (أتمتة سلسلة التفكير)
•الوصف: أتمتة عملية سلسلة التفكير لتحسين الكفاءة.
•مثال: “أتمت خطوات التفكير لتحقيق نتائج أفضل.”
•الوصف: يستخدم المخرجات السابقة لإبلاغ الاستجابة الحالية، مما يخلق استمرارية في التفكير.
•مثال: “ضع في اعتبارك الإجابات السابقة عند الرد.”
47.Few-Shot-CoT (التعلم ببضع لقطات مع سلسلة التفكير)
•الوصف: يجمع بين التعلم ببضع لقطات مع سلسلة التفكير.
•مثال: “قدم بعض الأمثلة واستنتج خطوة بخطوة.”
48.Step-Aware Verification (التحقق المدرك للخطوات)
•الوصف: يستخدم نهج خطوة بخطوة للتحقق من الإجابات التي يولدها النموذج.
•مثال: “تحقق من كل خطوة من خطوات عملية الحل.”
49.Demonstration Ensembling (تجميع العروض)
•الوصف: يجمع بين عروض متعددة لإنشاء تلقين أكثر قوة.
•مثال: “استخدم أمثلة متعددة لتوجيه الإجابة.”
50.Self-Generated ICL (التعلم في السياق الذي تم إنشاؤه ذاتيًا)
•الوصف: يستخدم مخرجات النموذج الخاصة كأمثلة في السياق لمزيد من التلقين.
•مثال: “استخدم المخرجات السابقة كأمثلة جديدة.”
51.Question Decomposition (تحليل السؤال)
•الوصف: يكسر الأسئلة المعقدة إلى أسئلة فرعية أبسط.
•مثال: “قسم السؤال إلى أجزاء أصغر يمكن إدارتها.”
52.Deductive Verification (التحقق الاستنتاجي)
•الوصف: يستخدم التفكير الاستنتاجي للتحقق من الإجابات التي يولدها النموذج.
•مثال: “طبق المنطق الاستنتاجي للتحقق من الإجابة.”
53.Faithful CoT (سلسلة التفكير الموثوقة)
•الوصف: يضمن أن سلسلة التفكير تتماشى مع سياق السؤال.
•مثال: “تأكد من أن التفكير يتماشى مع السؤال.”
54.Maieutic Prompting (التلقين السقراطي)
•الوصف: يستخدم الطريقة السقراطية لتحسين الإجابات من خلال طرح الأسئلة.
•مثال: “اطرح أسئلة موجهة لتحسين الإجابة.”
55.Active Prompting (التلقين النشط)
•الوصف: يضبط التلقين بناءً على التغذية الراجعة النشطة من المستخدمين أو النماذج الأخرى.
•مثال: “عدل التلقين بناءً على التغذية الراجعة المستلمة.”
56.Plan-and-Solve Prompting (التلقين بخطة وحل)
•الوصف: يخطط لاستراتيجية الحل قبل حل المشكلة.
•مثال: “حدد الخطوات قبل حل المشكلة.”
57.Automate-CoT (أتمتة سلسلة التفكير)
•الوصف: أتمتة عملية سلسلة التفكير لتحسين الكفاءة.
•مثال: “أتمت خطوات التفكير لتحقيق نتائج أفضل.”
58.Self-Adaptive Prompting (التلقين التكيفي الذاتي)
•الوصف: يعدل التلقين بناءً على المخرجات الأولية للنموذج لتحسين الدقة.
•مثال: “عدل التلقين إذا كانت الاستجابة الأولى غير صحيحة.”
59.Rephrase and Respond (إعادة الصياغة والرد)
•الوصف: يعيد صياغة السؤال قبل توليد الإجابة النهائية لتحسين الوضوح.
•مثال: “أعد صياغة هذا السؤال وأجب عليه.”
60.Graph-of-Thought (رسم بياني للتفكير)
•الوصف: يستخدم التمثيلات البيانية لهيكلة وصقل التفكير.
•مثال: “أنشئ رسمًا بيانيًا لتمثيل خطوات التفكير.”
61.Tree-of-Thought (شجرة التفكير)
•الوصف: يستخدم الهياكل الشجرية لاستكشاف مسارات التفكير المتعددة.
•مثال: “استكشف المسارات المختلفة باستخدام هيكل شجري.”
62.Program of Thoughts (برنامج الأفكار)
•الوصف: يستخدم المنطق البرمجي لهيكلة وصقل التفكير.
•مثال: “طبق المنطق البرمجي لحل المشكلة.”
63.Few-Shot-CoT (التعلم ببضع لقطات مع سلسلة التفكير)
•الوصف: يجمع بين التعلم ببضع لقطات مع سلسلة التفكير.
•مثال: “قدم بعض الأمثلة واستنتج خطوة بخطوة.”
64.Vote-K
•الوصف: يقترح أمثلة غير مسماة مفيدة للتعليق عليها.
•مثال: “اختر وقم بتسمية أمثلة متنوعة.”
65.K-Nearest Neighbor (KNN)
•الوصف: يختار أمثلة مشابهة لعينة الاختبار لتحسين الأداء.
•مثال: “اعثر على أمثلة مشابهة للإرشاد بشكل أفضل.”
66.More Complicated Techniques (تقنيات أكثر تعقيدًا)
•الوصف: يستخدم التصفية التكرارية، والتضمين، والاسترجاع، والتعلم المعزز.
•مثال: “تطبيق تقنيات متقدمة لتحسين التلقين.”
67.Prompt Mining (استخراج التلقين)
•الوصف: اكتشاف “الكلمات الوسطى” المثلى في التلقينات من خلال تحليل النصوص.
•مثال: “اعثر على أفضل صيغة للتلقين من مجموعات البيانات الكبيرة.”
68.Self-Generated ICL (التعلم في السياق الذي تم إنشاؤه ذاتيًا)
•الوصف: الاستفادة من GenAI لإنشاء أمثلة تلقائيًا.
•مثال: “إنشاء أمثلة تلقائيًا للإرشاد.”
•الوصف: يعدل التلقين بناءً على المخرجات الأولية للنموذج لتحسين الدقة.
•مثال: “عدل التلقين إذا كانت الاستجابة الأولى غير صحيحة.”
59.Rephrase and Respond (إعادة الصياغة والرد)
•الوصف: يعيد صياغة السؤال قبل توليد الإجابة النهائية لتحسين الوضوح.
•مثال: “أعد صياغة هذا السؤال وأجب عليه.”
60.Graph-of-Thought (رسم بياني للتفكير)
•الوصف: يستخدم التمثيلات البيانية لهيكلة وصقل التفكير.
•مثال: “أنشئ رسمًا بيانيًا لتمثيل خطوات التفكير.”
61.Tree-of-Thought (شجرة التفكير)
•الوصف: يستخدم الهياكل الشجرية لاستكشاف مسارات التفكير المتعددة.
•مثال: “استكشف المسارات المختلفة باستخدام هيكل شجري.”
62.Program of Thoughts (برنامج الأفكار)
•الوصف: يستخدم المنطق البرمجي لهيكلة وصقل التفكير.
•مثال: “طبق المنطق البرمجي لحل المشكلة.”
63.Few-Shot-CoT (التعلم ببضع لقطات مع سلسلة التفكير)
•الوصف: يجمع بين التعلم ببضع لقطات مع سلسلة التفكير.
•مثال: “قدم بعض الأمثلة واستنتج خطوة بخطوة.”
64.Vote-K
•الوصف: يقترح أمثلة غير مسماة مفيدة للتعليق عليها.
•مثال: “اختر وقم بتسمية أمثلة متنوعة.”
65.K-Nearest Neighbor (KNN)
•الوصف: يختار أمثلة مشابهة لعينة الاختبار لتحسين الأداء.
•مثال: “اعثر على أمثلة مشابهة للإرشاد بشكل أفضل.”
66.More Complicated Techniques (تقنيات أكثر تعقيدًا)
•الوصف: يستخدم التصفية التكرارية، والتضمين، والاسترجاع، والتعلم المعزز.
•مثال: “تطبيق تقنيات متقدمة لتحسين التلقين.”
67.Prompt Mining (استخراج التلقين)
•الوصف: اكتشاف “الكلمات الوسطى” المثلى في التلقينات من خلال تحليل النصوص.
•مثال: “اعثر على أفضل صيغة للتلقين من مجموعات البيانات الكبيرة.”
68.Self-Generated ICL (التعلم في السياق الذي تم إنشاؤه ذاتيًا)
•الوصف: الاستفادة من GenAI لإنشاء أمثلة تلقائيًا.
•مثال: “إنشاء أمثلة تلقائيًا للإرشاد.”
مصدر هذه التقنيات
arxiv.org
arxiv.org
جاري تحميل الاقتراحات...