معجم الذكاء الاصطناعي

تقييم النماذج اللغوية

LLM Evaluation

تقييم أداء نماذج اللغة الكبيرة.

الدرج BLEU المتقدم

Advanced BLEU

تحسينات على مقياس BLEU لتقييم الترجمة.

درجة ROUGE

ROUGE Score

مقياس لتقييم جودة التلخيص.

تقييم المهام

Task Evaluation

قياس أداء النموذج في مهام محددة.

معايير نماذج اللغة الكبيرة

LLM Benchmark

معايير قياس أداء نماذج اللغة الكبيرة عبر اختبارات معيارية.

التقييم البشري

Human Evaluation

تقييم جودة النتائج بواسطة البشر باستخدام معايير موضوعية.

التقييم البشري في الحلقة

Human-in-the-Loop Evaluation

دمج التقييم البشري في عملية التقييم الآلي لتحسين النتائج.

التقييم المقارن

Comparative Evaluation

مقارنة أداء نموذجين أو أكثر لتحديد الأفضل.

مقياس METEOR

METEOR Score

مقياس شامل لتقييم جودة الترجمة الآلية.

مقياس CIDEr

CIDEr Score

مقياس لتقييم دقة وصف الصور بالنصوص.

نموذج BLEURT

BLEURT

نموذج تقييم مُدرَّب لتقييم الترجمة الآلية.

مقياس BERTScore

BERTScore

مقياس تقييم يعتمد على التمثيلات الدلالية لـ BERT.

التقييم المقارن المتعدد

Multi-Model Comparison

مقارنة أداء عدة نماذج مع بعضها.

تقييم قدرات التفكير

Reasoning Evaluation

قياس قدرة النموذج على الاستدلال والتفكير المنطقي.

الاسْتيحاق

Precision

نسبة الإيجابيات المتنبأ بها الصحيحة فعلًا.

قياس F1

F1 Score

الوسط التوافقي بين الدقة والاستدعاء.

دراسة الاستئصال

ablation

تقنية تقييم أهمية ميزة أو مكوّن برفعها مؤقتاً من النموذج ثم إعادة تدريبه وقياس أثر الفرق على الأداء.

الاختبار أ/ب

a/b testing

أسلوب إحصائي لمقارنة نموذجين أو تقنيتين عبر تقسيم الزيارات وقياس فارق الأداء ومعنويته الإحصائية.

المساحة تحت منحنى الدقة والاسترجاع

area under the pr curve

انظر: المساحة تحت منحنى الدقة والاسترجاع (PR AUC).

المساحة تحت منحنى ROC

area under the roc curve

تسمى اختصاراً AUC (المساحة تحت منحنى ROC)، وهي مقياس لتقييم أداء نماذج التصنيف الثنائي عبر جميع عتبات التمييز.

مساحة تحت المنحنى (AUC)

auc (area under the roc curve)

قيمة بين 0 و1 تعبر عن قدرة نموذج التصنيف الثنائي على الفصل بين الفئات.

متوسط الدقة عند k

average precision at k

متوسط قيم الدقة لكل نتيجة مناسبة في قائمة مرتّبة تنتهي عند k.

مقياس بلو (BLEU)

bleu (bilingual evaluation understudy)

مقياس من 0 إلى 1 يُقارن الترجمة الآلية بالترجمة المرجعية عبر تطابق ن-جرام.

مقياس بليرت (BLEURT)

bleurt (bilingual evaluation understudy from transformers)

مقياس ترجمة يعتمد على نموذج لغوي موجّه لتقدير التشابه الدلالي مع الترجمة المرجعية.

دقة الاستشهاد

citation precision

مقياس يجيب عن سؤال محدّد حول مدى دقة الاستشهادات التي يستند إليها النموذج في إجاباته.

استرجاع الاستشهادات

citation recall

مقياس لتقييم أنظمة استرجاع المعلومات يحسب نسبة العناصر ذات الصلة (كالاستشهادات) التي يستعيدها النظام من إجمالي العناصر ذات الصلة المتاحة.

التقارب

convergence

حالة يقترب فيها فقدان التدريب من أدنى قيمة ويثبت النموذج.

التحسين المحدب

convex optimization

تحسين دالة محدبة على مجموعة محدبة بضمانة العثور على الأمثل الشامل.

الكلفة

cost

مرادف لدالة الخسارة (loss).

تقليل الأبعاد

dimension reduction

خفض عدد المتغيرات مع الحفاظ على المعلومة الجوهرية.

تقليل المخاطر التجريبية

empirical risk minimization (erm)

تقليل متوسط الخطأ للخوارزمية على بيانات التدريب المتاحة.

التطابق التام

exact match

مقياس لنسخ المخرجات حرفياً عن المرجع في التنبؤات.

مقياس F1

f1

المتوسط التوافقي بين الدقة والاستدعاء لمقاييس التصنيف.

مقياس العدالة

fairness metric

مقياس يقارن عدالة النتائج بين مجموعات من أفراد مختلفين.

منحنى التعميم

generalization curve

رسم بياني لكلٍّ من خسارة التدريب وخسارة التحقق كدالة في عدد مرات التكرار.

مجموعة البيانات الذهبية

golden dataset

مجموعة بيانات منسقة يدويًا تستوعب الحقيقة الأساسية المرجعية، ويمكن استخدام واحدة أو أكثر منها لتقييم جودة النموذج.

الحقيقة المرجعية

ground truth

قيمة المتغير الهدف لعنصر معيّن من بيانات الإدخال الموسومة، ولا تتطابق الحقيقة المرجعية بالضرورة مع الحقيقة المطلقة.

الاستدلال الإرشادي

heuristic

حل بسيط وسريع التنفيذ لمشكلة ما؛ فمثلاً باستخدام قاعدة ارشادية تحققت دقة بلغت 86%.

التعرف على الصور

image recognition

عملية تصنِّف الكائنات أو الأنماط أو المفاهيم في صورة ما، ويُعرف أيضاً باسم تصنيف الصور.

عدم توافق مقاييس الإنصاف

incompatibility of fairness metrics

فكرة أن بعض مفاهيم الإنصاف غير متوافقة فيما بينها ولا يمكن تحقيقها في آن واحد؛ ونتيجة لذلك لا يوجد مقياس عالمي موحّد للإنصاف يصلح لجميع مسائل التعلم الآلي.