التاليالدليل التالي
AI Literacy Lessons for Middle School
لغة الذكاء الاصطناعي
دليل اللغة AI
إن تأثير "الضياع في المنتصف" هو ميل النماذج اللغوية إلى استخدام المعلومات بشكل أفضل عندما تظهر في بداية أو نهاية إدخال طويل، مع التغاضي عن الحقائق المدفونة في المنتصف.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
إنه أمر مهم لأنه يحد من مدى ثقتنا في نماذج السياق الطويل مع المستندات المستردة.
تم تحديد هذا التأثير في دراسة أجراها ليو وزملاؤه من جامعة ستانفورد عام 2023، وظهر عندما تم إعطاء النماذج العديد من المستندات وطُلب منها الإجابة باستخدام مستند يحتوي على الحقيقة الأساسية. شكلت الدقة منحنى على شكل حرف U: أعلى عندما كان المقطع ذو الصلة في بداية أو نهاية الموجه، وأقل بشكل ملحوظ عندما كان في المنتصف. ينطبق هذا حتى على النماذج التي يتم تسويقها على أنها قادرة على العمل في سياق طويل. إن المعنى الضمني حاد بالنسبة للجيل المعزز بالاسترجاع: فحشو عشرات المقاطع في موجه لا يضمن أن يقرأها النموذج بالتساوي. الموقف، وليس الحضور فقط، هو الذي يحدد ما إذا كان النموذج سيهتم بالحقيقة أم لا. أعاد العمل صياغة السياق الطويل باعتباره مسألة الاستخدام الفعال، وليس حجم النافذة الأولي.
يقوم نظام RAG باسترداد 20 مستندًا ولكنه يفتقد الإجابة لأنه وصل إلى المقطع 10 من 20.
يقوم المهندسون بإعادة ترتيب نتائج البحث لوضع الجزء الأكثر صلة بالموضوع أولاً أو أخيرًا في الموجه.
يقوم مُلخص المستندات الطويلة بإلقاء الضوء على التفاصيل الأساسية التي تظهر في منتصف العقد.
يخفي معيار "إبرة في كومة قش" حقيقة على أعماق متفاوتة لرسم دقة موضع النموذج.
يعالج الباحثون التأثير من خلال تعديلات الانتباه، والتدريب على إدراك الموضع، والاسترجاع الأكثر ذكاءً الذي يعيد ترتيب المقاطع الأكثر صلة بحواف الموجه. تشتمل مجموعات التقييم الآن على اختبارات "إبرة في كومة قش" عبر المواقف لقياس السياق الفعال. مع تحسن البنى المعمارية، أصبح منحنى U يتسطح، لكن الممارسين سيستمرون في تصميم خطوط الأنابيب التي تضع أدلة مهمة حيث تظهر النماذج فعليًا بدلاً من الثقة في الاهتمام الموحد.
رسالة إخبارية مجانية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
إن تأثير "الضياع في المنتصف" هو ميل النماذج اللغوية إلى استخدام المعلومات بشكل أفضل عندما تظهر في بداية أو نهاية إدخال طويل، مع التغاضي عن الحقائق المدفونة في المنتصف. إنه أمر مهم لأنه يحد من مدى ثقتنا في نماذج السياق الطويل مع المستندات المستردة.
The paper observed a U-shaped pattern with weaker performance in the middle.
The study evaluated long-context use with retrieval-style tasks.
The study found performance can depend on the position of relevant information.
The guide says stuffing passages does not ensure they are used evenly.
The paper observes that position affects effective use, not simply presence.
استمر في التعلم
تم اختيار المزيد من الأدلة لهذا الموضوع
التاليالدليل التالي
AI Literacy Lessons for Middle School
لغة الذكاء الاصطناعي