Prompt Engineering
هندسة الأوامر (البرومبت)
التعريف
صياغة المدخلات النصية (الأوامر) الموجّهة إلى النماذج اللغوية بطريقة منهجية للحصول على مخرجات أدق وأكثر فائدة.
تتأثر إجابة النموذج اللغوي كثيراً بصياغة الأمر. تشمل هندسة الأوامر: تحديد الدور والمهمة بوضوح، وتقديم السياق والقيود، وإعطاء أمثلة (Few-shot)، وطلب صيغة إخراج محددة، وتقسيم المهام المعقدة إلى خطوات، وطلب التفكير خطوة بخطوة (Chain-of-Thought).
لا تضمن هندسة الأوامر صحة المعلومات، لذا تبقى مراجعة الإجابات ضرورية.
Definition
Prompt engineering is the practice of designing and refining the inputs (prompts) given to language models, including instructions, context, examples and output format, to obtain more accurate and useful outputs.
شرح مبسّط للمبتدئين
كما تحصل على إجابة أفضل من أستاذك حين تسأله سؤالاً واضحاً ومحدداً، تحصل على نتيجة أفضل من النموذج حين تكتب له أمراً واضحاً فيه السياق والمطلوب والشكل.
شرح أكاديمي متخصص
تُظهر الأبحاث أن تقديم أمثلة داخل السياق (In-context learning) وطلب خطوات استدلال وسيطة (Chain-of-Thought) يحسّن الأداء في مهام الاستدلال لدى النماذج الكبيرة بما يكفي، دون تعديل معاملاتها.
أمثلة عملية
- بدلاً من «لخّص هذا»: «أنت محرر علمي. لخّص المقالة التالية في 5 نقاط لطلاب البكالوريوس، واذكر المنهجية والنتيجة الرئيسية».
- إضافة مثالين محلولين قبل السؤال الجديد.
التطبيقات والاستخدامات
- كتابة الأوامر البحثية والأكاديمية.
- بناء تطبيقات تعتمد على النماذج اللغوية.
- استخراج بيانات منظمة من نصوص.
المزايا
- تحسين المخرجات دون إعادة تدريب.
- سريعة وقليلة الكلفة.
القيود والعيوب
- النتائج قد تختلف بين النماذج والإصدارات.
- لا تعالج نقص المعرفة أو الهلوسة جذرياً.
المصادر العلمية
مراجع ومصادر علمية
-
بحث علميChain-of-Thought Prompting Elicits Reasoning in Large Language Models أسلوب سلسلة الأفكار في كتابة الأوامر.
-
بحث علميLanguage Models are Few-Shot Learners نموذج GPT-3 والتعلم من أمثلة قليلة داخل السياق.
