الأبحاثالنماذج 🇺🇸 27.07.2026 16:05

فئات توسيع النطاق في وقت الاستدلال لتحسين استدلال النماذج اللغوية الكبيرة

OpenAIOpenAI
يساعد توسيع النطاق في وقت الاستدلال على تحسين جودة إجابات النماذج اللغوية الكبيرة (LLMs) عن طريق استخدام المزيد من الموارد الحاسوبية أثناء الاستدلال. تصنف هذه المقالة الأساليب وتستعرض الأبحاث الحديثة، مما يظهر أن مزودي النماذج اللغوية الكبيرة الرئيسيين يعتمدون على هذه التقنيات.
أصبحت تقنية توسيع النطاق في وقت الاستدلال طريقة رئيسية لتحسين أداء نماذج اللغة الكبيرة من خلال تخصيص قدرة حسابية إضافية أثناء الاستدلال. تصنف المقالة التقنيات إلى فئات مثل التفكير المتسلسل (Chain-of-Thought)، والاتساق الذاتي (Self-Consistency)، والترتيب الأفضل من بين N (Best-of-N)، وأخذ العينات بالرفض مع مدقق (Rejection Sampling with a Verifier)، والتحسين الذاتي (Self-Refinement)، والبحث عبر مسارات الحلول (Search Over Solution Paths). كما تقدم نظرة عامة على الأبحاث الحديثة وتلاحظ أن نماذج اللغة الكبيرة المملوكة تستخدم هذه الأساليب. قام المؤلف بتقسيم فصل كتاب حول هذا الموضوع إلى جزأين، متاحين في الوصول المبكر، ويشارك أفكارًا وملاحظات إضافية لم تتناسب مع الفصل النهائي.
المصدر: Sebastian Raschka — الأصلي
منشوراتنا السابقة حول هذا الموضوع ↓
أخبار جديدة