1. Function Calling — فراخوانی تابع
قابلیتیه که به مدل هوش مصنوعی اجازه میده برای انجام یک کار، به یک تابع یا ابزار خارجی درخواست بده. مدل تشخیص میده چه ابزاری لازمه و اطلاعات موردنیاز برای اجرای اون رو مشخص میکنه.
🟢 مثال: وقتی از یک دستیار هوش مصنوعی میخوای وضعیت آبوهوا رو بررسی کنه، مدل میتونه تابع مربوط به دریافت اطلاعات آبوهوا رو فراخوانی کنه.
2. Knowledge Base — پایگاه دانش
مجموعهای از اطلاعات و منابع مثل اسناد، فایلها و دادههاست که یک سیستم هوش مصنوعی میتونه برای پیدا کردن اطلاعات موردنیاز به اون مراجعه کنه. این اطلاعات میتونن برای پاسخدادن دقیقتر به سؤالهای کاربر استفاده بشن.
🟢 مثال: فایلهای قوانین و آییننامههای یک شرکت میتونن یک Knowledge Base برای دستیار هوش مصنوعی اون شرکت باشن.
3. Grounding — متصلکردن پاسخ به منابع معتبر
فرایندیه که در اون پاسخ مدل به اطلاعات یا منابع قابل بررسی متصل میشه تا مدل به جای تکیه صرف بر اطلاعاتی که از قبل یاد گرفته، از دادههای مشخص و مرتبط هم استفاده کنه. این کار میتونه احتمال تولید اطلاعات نادرست رو کاهش بده.
🟢 مثال: وقتی یک دستیار برای پاسخ به سؤال درباره قوانین شرکت، به اسناد رسمی همان شرکت مراجعه میکنه، پاسخ خودش رو به اون منابع Ground میکنه.
4. Zero-shot — بدون مثال
یعنی از مدل میخوای یک کار رو انجام بده، بدون اینکه قبل از درخواست، نمونهای از نتیجه موردنظرت بهش داده باشی. در این حالت مدل از دانشی که از قبل یاد گرفته برای انجام کار استفاده میکنه.
🟢 مثال: به مدل میگی «این متن رو به فارسی ترجمه کن»، بدون اینکه هیچ نمونهای از ترجمه بهش نشون بدی.
5. Few-shot — با چند مثال
یعنی قبل از اینکه از مدل بخوای کاری رو انجام بده، چند نمونه از ورودی و خروجی موردنظرت بهش میدی تا الگو و شکل پاسخ رو بهتر متوجه بشه.
🟢 مثال: چند نمونه از متنهای مشتری و پاسخ مناسب به اونها رو به مدل میدی و بعد ازش میخوای برای یک پیام جدید هم با همان الگو پاسخ بنویسه.
📌 این پست رو سیو کن؛ منتظر قسمت بعدی باش
1️⃣ واژهنامه هوش مصنوعی | قسمت ۱
2️⃣ واژهنامه هوش مصنوعی | قسمت ۲
3️⃣ واژهنامه هوش مصنوعی | قسمت ۳
4️⃣ واژهنامه هوش مصنوعی | قسمت ۴
5️⃣ واژهنامه هوش مصنوعی | قسمت ۵
🤖 بوتکمپ ایجنتهای هوشمصنوعی
🤖 سلسله وبینارهای رایگان AI Agents
📍 کانال هوشمصنوعی کافهتدریس:
@Cafetadrispro
