آرشیو دسته بندی: آموزش هوش مصنوعی

توهم هوش مصنوعی و تولید جواب‌های ساختگی با لحن مطمئن

توهم هوش مصنوعی؛ چرا جوابِ ساختگی می‌سازد و چطور با پرامپت‌نویسی جلویش را بگیریم

توهم هوش مصنوعی یعنی تولید جوابِ نادرست با لحنی مطمئن. در این آموزش شش ترفندِ پرامپت‌نویسی برای مهارِ آن را یاد می‌گیری: از اجازهٔ ندانستن تا منبع‌محوری و راستی‌آزمایی.

آموزش مهندسی کانتکست در پرامپت‌نویسی هوش مصنوعی

مهندسی کانتکست در پرامپت‌نویسی؛ چه چیزی را به هوش مصنوعی بدهیم و چه چیزی را حذف کنیم

مهندسی کانتکست یعنی چه اطلاعاتی را و به چه ترتیبی به هوش مصنوعی بدهی. چهار تصمیم اصلی، قالب آماده، مثال قبل و بعد و مدیریت گفتگوی طولانی.

آموزش پرامپت مصاحبهٔ معکوس برای گرفتن جواب دقیق‌تر از هوش مصنوعی

پرامپت مصاحبهٔ معکوس؛ بگذار هوش مصنوعی قبل از جواب از تو سؤال بپرسد

با پرامپت مصاحبهٔ معکوس، هوش مصنوعی پیش از پاسخ ابهام‌های کارت را با چند پرسش روشن می‌کند تا خروجی دقیق و مطابق نیازت باشد؛ آموزش گام‌به‌گام با قالب و مثال واقعی.

پرامپت‌نویسی چندنوبتی؛ جوابِ عالی را با هدایتِ گفتگو بگیر، نه با یک پرامپت

پرامپت‌نویسی چندنوبتی یعنی جواب را با یک پرامپت نگیری، بلکه با بازخوردِ هدفمند و هدایتِ گفتگو پله‌پله بسازی. چهار حرکت کلیدی، الگوی کامل و پنج اشتباه رایج.

تولید دادهٔ آزمون مصنوعی برای ارزیابی پرامپت

تولید دادهٔ آزمون مصنوعی؛ پرامپت را با نمونه‌های واقع‌نما بسنج

با پرامپت رسمی آنتروپیک، قالب پرامپت خود را به کلود بدهید تا نمونه‌های آزمون واقع‌نما بسازد و کیفیت پرامپت را بسنجید.

ساخت ارزیابی برای سنجش کیفیت خروجی هوش مصنوعی

ساخت ارزیابی برای هوش مصنوعی؛ کیفیت را حدس نزن، اندازه بگیر

روش رسمی آنتروپیک برای ساختن ارزیابی: چهار قطعهٔ هر eval، سه روش نمره‌دهی کدی و انسانی و مدلی، پرامپت آمادهٔ داور و پنج قاعده‌ای که ارزیابی را واقعی می‌کند.

الگوی هماهنگ‌کننده-کارگرها؛ وقتی مدل خودش تصمیم می‌گیرد کار را چطور تقسیم کند

الگوی هماهنگ‌کننده-کارگرها در کوک‌بوک آنتروپیک: تقسیم پویای کار در زمان اجرا، پرامپت هماهنگ‌کننده و کارگر، تجزیهٔ خروجی، اعتبارسنجی، و مدیریت هزینه و تأخیر.

از سوال فارسی تا کوئری SQL؛ چطور مدل را به گزارش‌گیر قابل‌اعتماد پایگاه‌داده تبدیل کنیم

تبدیل سوال فارسی به کوئری SQL با کلود: خواندن خودکار شِما، پرامپت برچسب‌دار، مثال و زنجیرهٔ فکر، بازیابی زمینه‌مند برای پایگاه‌دادهٔ بزرگ و حلقهٔ اجرا و اصلاح خطا.

بازیابی زمینه‌مند؛ وقتی تکهٔ سند مرجعش را گم می‌کند

بازیابی زمینه‌مند به روایت آنتروپیک: پرامپت زمینه‌ساز برای هر تکه، کش پرامپت برای ارزان‌شدن نمایه‌سازی، ترکیب BM25 با جست‌وجوی معنایی و لایهٔ بازچینش — با اعداد دقیق هر لایه.