توقف عن الهوس ب هندسة المطالبات: إعداد البيانات هو المفتاح لوكلاء الذكاء الاصطناعي

2025-05-16
توقف عن الهوس ب هندسة المطالبات: إعداد البيانات هو المفتاح لوكلاء الذكاء الاصطناعي

تتناول هذه المقالة الجانب البالغ الأهمية، والذي غالبًا ما يتم إغفاله، في بناء وكلاء الذكاء الاصطناعي الذين يستدعيون الوظائف: إعداد البيانات. يجادل الكاتب بأن هندسة المطالبات وحدها غير كافية، مشيرًا إلى أن 72% من الشركات تقوم الآن بضبط نماذجها بدقة بدلاً من الاعتماد على استرجاع الإجابات ذات الصلة أو بناء نماذج مخصصة من الصفر. يتم تقديم بنية متكاملة لإنشاء مجموعة بيانات مخصصة، والتي تشمل تحديد مكتبة أدوات، وإنشاء أمثلة لأداة واحدة وأكثر من أداة واحدة، وحقن أمثلة سلبية، وتطبيق التحقق من صحة البيانات والتحكم في الإصدارات. يتم التأكيد على أهمية جودة البيانات طوال المقال. والهدف النهائي هو نظام ذكاء اصطناعي يشبه سيري، يفهم التعليمات الطبيعية ويقوم بتعيينها بدقة إلى وظائف قابلة للتنفيذ.

اقرأ المزيد

بناء مساعدك الصوتي المحلي الخاص: عودة الميزة

2025-05-12
بناء مساعدك الصوتي المحلي الخاص: عودة الميزة

هل سئمت من الاعتماد على نماذج اللغات الضخمة (LLMs) السحابية؟ يقدم هذا البرنامج التعليمي المكون من 5 أجزاء تعليمات حول كيفية بناء مساعدك الصوتي المحلي الذي يفهم اللغة الطبيعية، وينفذ وظائف تطبيقك، ويحترم خصوصيتك. تعلم كيفية ضبط LLaMA 3.1 بدقة باستخدام LoRA، وإنشاء مجموعة بيانات لاستدعاء الوظائف، وتشغيل الاستدلال محليًا، ودمج إدخال/إخراج الصوت. يشدد المؤلف على أهمية مبادئ MLOps للذكاء الاصطناعي المحلي، ويوفر دليلًا عمليًا لبناء مساعد صوتي محلي قوي ومستدام.

اقرأ المزيد
التطوير