چیت‌شیت واژه‌های پرکاربردی که در زمینه LLMها می‌شنویم! 🚀

🔹 توکن (Token) — واحدی که مدل متن رو بهش تقسیم می‌کنه.

🔹 کانتکست (Context) — اطلاعاتی که مدل برای تولید پاسخ در اختیار داره.

🔹 پنجره کانتکست (Context Window) — حداکثر مقدار اطلاعاتی که مدل می‌تونه همزمان پردازش کنه.

🔹 پرامپت (Prompt) — دستور و اطلاعاتی که به مدل می‌دیم. (پرامپت دستوریه که به مدل می‌دیم، اما کانتکست اطلاعات و شرایطیه که مدل برای فهمیدن اون دستور و تولید پاسخ در اختیار داره.)

🔹 استنتاج (Inference) — فرایند اجرای مدل برای تولید پاسخ.

🔹 پارامترها / وزن‌ها (Parameters / Weights) — اعداد و وزن‌هایی که رفتار و توانایی مدل رو شکل می‌دن. (شوخ طبعی، لحن متن و..)

🔹 فاین‌تیون (Fine-tuning) — آموزش دوباره مدل برای یک کاربرد یا رفتار خاص.

🔹 بردار نهفته (Embedding) — تبدیل داده، معمولاً متن، به یک بردار عددی برای مقایسه و جست‌وجوی معنایی.

🔹 تولید تقویت‌شده با بازیابی (RAG) — پیدا کردن اطلاعات مرتبط از یک منبع خارجی و دادن اون به مدل هنگام پاسخ‌دهی.

🔹 پایگاه داده بُرداری (Vector Database) — دیتابیسی برای ذخیره و جست‌وجوی Embeddingها.

🔹 توهم (Hallucination) — وقتی مدل اطلاعات اشتباه یا ساختگی تولید می‌کنه.

🔹 دما (Temperature) — میزان تصادفی بودن خروجی مدل.

🔹 معیارسنجی / ارزیابی (Benchmark / Eval) — تست و اندازه‌گیری عملکرد مدل.

🔹 تأخیر (Latency) — مدت زمانی که مدل برای پاسخ دادن نیاز داره.

🔹 فراخوانی ابزار (Tool Calling) — توانایی مدل برای استفاده از ابزارهایی مثل API و دیتابیس.

🔹 عامل هوشمند (Agent) — سیستمی که می‌تونه هدف رو دنبال کنه، تصمیم بگیره و از ابزارها استفاده کنه.

🔹 پروتکل زمینه مدل (MCP) — استانداردی برای اتصال مدل‌ها و Agentها به ابزارها و منابع خارجی.

🔹 چندوجهی (Multimodal) — مدلی که علاوه بر متن، تصویر، صدا یا ویدیو رو هم پردازش می‌کنه.

🔹 بدون نمونه / چندنمونه‌ای (Zero-shot / Few-shot) — انجام کار بدون مثال / با چند مثال.

🔹 خروجی ساختاریافته (Structured Output) — تولید خروجی با ساختار مشخص، مثلاً JSON.

🔹 کوانتیزه‌سازی (Quantization) — کاهش دقت عددی مدل برای کم کردن مصرف حافظه و افزایش سرعت.

❇️ @lnxpylnxpy