#LLM
مهندسی پرامپتمهندسی پرامپت به‌مثابه‌ی مهندسی نرم‌افزار: از مستر پرامپت تا بدهی پرامپت
مهندسی پرامپت یعنی طراحی، تست و نسخه‌بندی پرامپت‌ها مثل کد. مستر پرامپت، فریمورک‌های RTF و RACE و بدهی پرامپت با تعریف، نمونه و معیارهای…
مهندسی پرامپتمهندسی پرامپت: ساخت مستر پرامپت به‌عنوان قرارداد رفتاری، نه دستورالعمل
مهندسی پرامپت یعنی طراحی، آزمون و نگهداشت یک قرارداد رفتاری با 5 ستون: نقش، زمینه، دستور، فرمت خروجی و محدودیت‌ها؛ تا خروجی مدل…
مهندسی پرامپتمهندسی پرامپت و ساخت مستر پرامپت: راهنمای لایه‌ای برای خروجی قابل‌اعتماد
مهندسی پرامپت ساخت مستر پرامپت در 4 لایه‌ی مجزا (هویت، وظیفه، فرمت، نمونه) است تا خروجی LLM قابل‌تکرار باشد و با آپدیت مدل، فقط لایه‌ی…
مهندسی پرامپتمهندسی پرامپت و ساخت مستر پرامپت: چرا قالب قابل‌استفاده‌ی مجدد با system prompt فرق دارد و چطور آن را به روش معکوس بسازید
مستر پرامپت قالب قابل‌استفاده‌ی مجدد در سطح کاربر است، نه system prompt. در روش معکوس ابتدا خروجی مطلوب را دستی بنویسید، سپس پرامپتی طراحی…
خبرمتا ابزار هوش مصنوعی جدید برای شناسایی تبلیغات مخفی ارجاع‌دهنده به محتوای سوءاستفاده از کودکان عرضه کرد
متا از ابزارهای هوش مصنوعی جدیدی برای شناسایی تبلیغاتی که ظاهراً بی‌ضررند ولی کاربران را به محتوای غیرقانونی سوءاستفاده از کودکان هدایت…
ایجنت هوش مصنوعیایجنتهای هوش مصنوعی: چرا اکثر ایجنت‌ها شکست می‌خورند و چگونه آن‌ها را با معماری درست بسازیم
اکثر ایجنت‌های هوش مصنوعی بدون لایه‌ی بازخورد و سقف هزینه شکست می‌خورند. معماری ۳ ستونه، مقایسه‌ی LangChain و AutoGen و اشتباهات رایج.
مهندسی پرامپتمهندسی پرامپت و ساخت مستر پرامپت: راهنمای عملی برای طراحی پرامپت‌های قابل‌تکرار و دیباگ‌پذیر
مهندسی پرامپت طراحی ساختاریافته‌ی دستورالعمل‌ها برای LLM با ۵ لایه‌ی مجزا (نقش، زمینه، دستورالعمل، محدودیت، فرمت خروجی) است که نسخه‌بندی،…
مهندسی پرامپتمهندسی پرامپت: مستر پرامپت یک پرامپت طولانی نیست، یک سیستم قابل تست است
مهندسی پرامپت طراحی ورودی‌های ساختاریافته برای مدل‌های زبانی با شش مؤلفه‌ی نقش، هدف، زمینه، محدودیت، فرمت و نمونه است؛ نه صرفاً نوشتن…
ایجنت هوش مصنوعیایجنتهای هوش مصنوعی: از چت‌بات تا عامل تصمیم‌گیر؛ معماری، ساخت و محدودیت‌ها
ایجنت هوش مصنوعی (AI Agent) برخلاف چت‌بات‌های خطی، قابلیت برنامه‌ریزی، استفاده از ابزار و حلقه بازخورد دارد. در این مقاله معماری…
مهندسی پرامپتمهندسی پرامپت از دستور ساده تا مستر پرامپت: چرا پرامپت‌نویسی بدون ساختار به شکست مدل‌های زبانی بزرگ می‌انجامد
مهندسی پرامپت طراحی دستورالعمل‌های ساختاریافته برای هدایت مدل‌های زبانی است. با تعریف نقش، دستور، زمینه و فرمت خروجی، خطای مدل و هزینه…
ایجنت هوش مصنوعیایجنت هوش مصنوعی: از چت‌بات ساده تا معماری خودمختار با LangChain و CrewAI
ایجنت هوش مصنوعی با برنامه‌ریزی و ابزار، فرآیندها را خودمختار اجرا می‌کند. مقایسه LangChain و CrewAI و بررسی معماری، حافظه و اشتباهات رایج…
ایجنت هوش مصنوعیایجنت هوش مصنوعی: از معماری ReAct تا انتخاب فریمورک مناسب (و چه زمانی اصلاً ایجنت نسازیم)
ایجنت هوش مصنوعی نرم‌افزاری مبتنی بر LLM است که با برنامه‌ریزی و ابزارها کار می‌کند. این راهنما معماری‌های ReAct و Plan-and-Execute،…
خبرپیشنهاد معمار جدید توسط پژوهشگر پرینستون: ترنسفورمر حلقوی تکراری (RLT) با عمق زمانی نامحدود
پژوهشگر پرینستون طرح RLT را معرفی کرد که حالت دیکودر را در هر توکن نگه می‌دارد. این معماری ادعای بهبود عمق زمانی را دارد، اما هنوز نتایج…
مهندسی پرامپتتکنیک زنجیرهٔ فکر و کجا واقعاً جواب می‌دهد | مهندسی پرامپت پیشرفته
زنجیره فکر (Chain of Thought) در مهندسی پرامپت دقت را بالا می‌برد اما هزینه و تأخیر ایجاد می‌کند. بررسی تفاوت Few-shot و Zero-shot برای…
آموزش هوش مصنوعیچرا هوش مصنوعی گاهی اشتباه می‌کند؟ بررسی توهم مدل زبانی بزرگ (LLM) در آموزش هوش مصنوعی
توهم در هوش مصنوعی ناشی از پیش‌بینی آماری کلمات است. با استفاده از RAG و مهندسی پرامپت می‌توان خطاهای مدل زبانی بزرگ را مدیریت کرد.