استغلال قوة نماذج اللغة الكبيرة في الممارسة: مسح حول ChatGPT وما بعدها

تقدم هذه المقالة دليلاً شاملاً وعمليًا للممارسين والمستخدمين النهائيين الذين يعملون مع نماذج اللغة الكبيرة في مهام معالجة اللغة الطبيعية التابعة لهم. نحن نوفر مناقشات ورؤى حول استخدام نماذج اللغة الكبيرة من وجهات نظر النماذج والبيانات والمهام التابعة. أولاً، نقدم مقدمة وملخصًا موجزًا للنماذج اللغوية الحالية. ثم نناقش تأثير بيانات ما قبل التدريب، وبيانات التدريب، وبيانات الاختبار. والأهم من ذلك، نقدم مناقشة مفصلة حول حالات الاستخدام وحالات عدم الاستخدام لنماذج اللغة الكبيرة لمهام معالجة اللغة الطبيعية المختلفة، مثل المهام المكثفة في المعرفة، مهام الفهم التقليدية للغة الطبيعية، مهام التوليد، القدرات الطارئة، والاعتبارات للمهام الخاصة. نقدم حالات استخدام وحالات عدم استخدام متعددة لتوضيح التطبيقات العملية والقيود لنماذج اللغة الكبيرة في السيناريوهات الواقعية. كما نحاول فهم أهمية البيانات والتحديات الخاصة المرتبطة بكل مهمة في معالجة اللغة الطبيعية. وعلاوة على ذلك، نستكشف تأثير التحيزات العارضة على نماذج اللغة الكبيرة ونتعمق في اعتبارات أساسية أخرى مثل الكفاءة، التكلفة، والكمون لضمان فهم شامل لنشر نماذج اللغة الكبيرة في الممارسة. يهدف هذا الدليل الشامل إلى تزويد الباحثين والممارسين برؤى قيمة وأفضل الممارسات للعمل مع نماذج اللغة الكبيرة، مما يمكن من التنفيذ الناجح لهذه النماذج في مجموعة واسعة من مهام معالجة اللغة الطبيعية. يمكن العثور على قائمة منتقاة من الموارد العملية المتعلقة بنماذج اللغة الكبيرة، التي تُحدَّث بانتظام، على https://github.com/Mooler0410/LLMsPracticalGuide. كما يمكن العثور على شجرة تطور نماذج اللغة الكبيرة، قابلة للتعديل ومحدثة بانتظام، على llmtree.ai.