عند العمل مع الأوامر، تتفاعل مع نموذج اللغة الكبيرة سواء عبر واجهة برمجة التطبيقات أو مباشرةً. لديك الخيار لضبط بعض الإعدادات لتحقيق نتائج مختلفة للأوامر الخاصة بك.

‍

درجة الحرارة (Temperature) - بمعنى بسيط، الحرارة المنخفضة تنتج نتائج أكثر تنبؤًا حيث يتم اختيار الرمز المقبل الأكثر احتمالًا بشكل مستمر. زيادة درجة الحرارة تجلب المزيد من العشوائية، معززة النتائج المتنوعة والمبتكرة. عمليًا، تُستخدم درجة الحرارة المنخفضة بشكل جيد لمهام مثل الاستجابة للاستفسارات المعتمدة على الحقائق، مشجعةً الردود الدقيقة والموجزة. بالمقابل، لمهام مثل صياغة القصائد أو تحديات الإبداع الأخرى، يمكن أن تكون زيادة قيمة درجة الحرارة مفيدة.

‍

Top_p - بالمثل، عند استخدام top_p، وهو أسلوب عينة مجتمع مع درجة حرارة يعرف باسم عينة النواة، تكتسب السيطرة على مدى تحديد نموذج إنشاء الاستجابة. للحصول على إجابات دقيقة وواقعية، ابقِ قيمة هذا العامل منخفضة. لتوليد مجموعة أوسع من الردود، يُنصح بزيادته.

‍

التوصية العامة هي تعديل معامل واحد في كل مرة، بدلاً من تعديل كلاهما في وقت واحد. وبينما تبدأ في بعض الأمثلة الأساسية، تذكر أن نتائجك قد تختلف بناءً على إصدار نموذج اللغة الكبيرة الذي تستخدمه.

‍