الاختبار: كيف تعمل نماذج LLM
اختبر فهمك لكيفية تعلّم نماذج اللغة الكبيرة وتوليدها للنصوص.
30 سؤالاً — انقر على كل سؤال لكشف الإجابة الصحيحة.
السؤال 1
ما الآلية الأساسية التي تستخدمها نماذج LLM لتوليد النص؟
A) البحث عن إجابات في قاعدة بيانات
B) التنبؤ بالكلمة أو الـ token التالي
C) النسخ من بيانات التدريب
D) استخدام البحث على الإنترنت
عرض الإجابة
الإجابة الصحيحة: B
تولّد نماذج LLM النص بالتنبؤ بالكلمة أو الـ token الذي ينبغي أن يأتي بعد ذلك، واحداً تلو الآخر، استناداً إلى كل ما سبق.
السؤال 2
ما هو «الـ token» في سياق نماذج LLM؟
A) نوع من العملات المشفرة
B) قطعة نص (عادة كلمة أو جزء كلمة)
C) بيانات اعتماد لتسجيل الدخول
D) مكوّن عتاد
عرض الإجابة
الإجابة الصحيحة: B
الـ tokens هي الوحدات الأساسية التي تعالجها نماذج LLM — عادة أجزاء كلمات. مثلاً، قد تُقسَّم "understanding" إلى "under-stand-ing" (3 tokens).
السؤال 3
ما هي نافذة السياق؟
A) عرض رسومي للذكاء الاصطناعي
B) أقصى نص يستطيع النموذج رؤيته دفعة واحدة
C) إعداد لسطوع الشاشة
D) الذاكرة طويلة المدى للنموذج
عرض الإجابة
الإجابة الصحيحة: B
نافذة السياق هي أقصى كمية نص يستطيع النموذج «رؤيتها» ومراعاتها عند توليد الرد — مثل حد ذاكرته قصيرة المدى.
السؤال 4
ماذا يحدث عندما تتجاوز محادثة نافذة السياق؟
A) يتعطل النموذج
B) قد تُفقد الرسائل الأقدم أو تُلخَّص
C) يترقّى النموذج تلقائياً
D) لا شيء — السياق بلا حدود
عرض الإجابة
الإجابة الصحيحة: B
عندما يُتجاوز السياق، تُقتطع الرسائل الأقدم عادة أو تُلخَّص، ما قد يجعل النموذج «ينسى» بداية المحادثة.
السؤال 5
ماذا يتحكم "temperature" في توليد نماذج LLM؟
A) سرعة التوليد
B) عشوائية المخرجات وإبداعيته
C) استهلاك النموذج للطاقة
D) لون الواجهة
عرض الإجابة
الإجابة الصحيحة: B
يتحكم temperature في مدى عشوائية المخرج أو حتميته. قيمة منخفضة = متوقع، قيمة مرتفعة = أكثر إبداعاً لكن أكثر مخاطرة.
السؤال 6
لماذا يتطلب التدريب هذا القدر من البيانات النصية؟
A) لملء مساحة التخزين
B) لتعلّم أنماط عبر موضوعات متنوعة
C) لإنشاء نسخ احتياطية
D) متطلبات قانونية
عرض الإجابة
الإجابة الصحيحة: B
يتطلب التدريب مليارات العينات النصية حتى يتعلم النموذج أنماطاً عبر موضوعات وأساليب كتابة وسياقات كثيرة.
السؤال 7
ما هو الـ system prompt؟
A) رسالة خطأ
B) تعليمات مخفية تشكّل سلوك الذكاء الاصطناعي
C) الشيفرة المصدرية للنموذج
D) أول رسالة من المستخدم
عرض الإجابة
الإجابة الصحيحة: B
الـ system prompt تعليمات مخفية (يضعها المطوّرون) توجّه كيف ينبغي أن يتصرف الذكاء الاصطناعي طوال المحادثة.
السؤال 8
كيف «تتذكر» نماذج LLM أجزاء سابقة من المحادثة؟
A) تخزين دائم في قاعدة بيانات
B) تُعاد إرسال المحادثة كاملة في كل مرة
C) سحر
D) نسخ احتياطي سحابي
عرض الإجابة
الإجابة الصحيحة: B
ليس لدى نماذج LLM ذاكرة دائمة. يُدرج تاريخ المحادثة كاملاً في كل رسالة، حتى حد السياق.
السؤال 9
ماذا يعني التوليد «ذاتي الانحدار» (autoregressive)؟
A) ميزات سيارة آلية
B) يصبح كل token مولَّد مدخلاً للتالي
C) تنظيم ذاتي لـ temperature
D) انحدار في الإحصاء
عرض الإجابة
الإجابة الصحيحة: B
يعني Autoregressive أن مخرج النموذج يُعاد كمدخل لتوليد الـ token التالي — كل كلمة تؤثر على ما يأتي بعدها.
السؤال 10
ما المصدر الرئيسي لبيانات تدريب نماذج LLM؟
A) ويكيبيديا فقط
B) الإنترنت والكتب ومصادر نصية متنوعة
C) أمثلة مكتوبة يدوياً
D) الصحف فقط
عرض الإجابة
الإجابة الصحيحة: B
تُدرَّب نماذج LLM على مصادر متنوعة تشمل صفحات الويب والكتب والأوراق العلمية ومستودعات الشيفرة والمزيد.
السؤال 11
ماذا تعني «القدرات الناشئة» لنماذج LLM؟
A) قدرات تكلف مبلغاً إضافياً
B) قدرات تظهر عند المقياس الكبير دون برمجة صريحة
C) ميزات طوارئ
D) قدرات البداية
عرض الإجابة
الإجابة الصحيحة: B
القدرات الناشئة قدرات (مثل الاستدلال أو الترجمة) تظهر عندما تبلغ النماذج مقياساً كافياً، حتى وإن لم تُبرمج صراحة.
السؤال 12
لماذا قد يعطي نموذج LLM معلومات قديمة؟
A) يحجب المعلومات عمداً
B) لبيانات التدريب تاريخ قطع
C) الإنترنت لا يعمل
D) يختبرك
عرض الإجابة
الإجابة الصحيحة: B
تعرف نماذج LLM فقط ما كان في بيانات تدريبها. المعلومات التي تغيّرت بعد تاريخ قطع المعرفة لن تنعكس.
السؤال 13
ما هو "fine-tuning"؟
A) جعل النموذج أصغر
B) ضبط نموذج مدرَّب مسبقاً لمهام محددة
C) إزالة الأخطاء
D) زيادة السرعة
عرض الإجابة
الإجابة الصحيحة: B
Fine-tuning هو أخذ نموذج مدرَّب مسبقاً ومواصلة تدريبه على بيانات محددة لتخصيصه لمهام معيّنة (مثل المحادثة أو الشيفرة).
السؤال 14
ماذا تعني أحرف RLHF؟
A) Really Large Human Files
B) Reinforcement Learning from Human Feedback
C) Rapid Learning High Frequency
D) Regular Language Human Format
عرض الإجابة
الإجابة الصحيحة: B
RLHF (Reinforcement Learning from Human Feedback) تقنية تدريب يقيّم فيها البشر المخرجات، فيتعلم النموذج إنتاج ردود أعلى تقييماً.
السؤال 15
كم يبلغ عدد الـ tokens في صفحة نص نموذجية؟
A) نحو 10
B) نحو 100
C) نحو 500-750
D) نحو 10,000
عرض الإجابة
الإجابة الصحيحة: C
تحتوي صفحة نص نموذجية على نحو 500-750 tokens تقريباً، حسب المحتوى وطريقة الـ tokenization.
السؤال 16
لماذا لا «يعرف» نموذج LLM الحقائق كقاعدة بيانات؟
A) قواعد البيانات غير قانونية للذكاء الاصطناعي
B) يتعلم أنماطاً، ولا يخزّن حقائق
C) يحذف كل الحقائق
D) الحقائق باهظة جداً
عرض الإجابة
الإجابة الصحيحة: B
تتعلم نماذج LLM أنماطاً إحصائية من النصوص، لا حقائق موثّقة. ترمّز ارتباطات، لا قاعدة حقائق.
السؤال 17
ما هي «الهلوسة» في سياق نماذج LLM؟
A) خطأ عرض بصري
B) توليد معلومات تبدو معقولة لكنها خاطئة
C) حالة حلم
D) عطل في العتاد
عرض الإجابة
الإجابة الصحيحة: B
الهلوسة هي عندما يولّد نموذج LLM معلومات تبدو مقنعة لكنها في الواقع خاطئة أو مختلقة.
السؤال 18
ماذا يحدث عند إعدادات temperature منخفضة؟
A) يعمل النموذج أبطأ
B) تكون المخرجات أكثر قابلية للتوقع واتساقاً
C) يستهلك النموذج طاقة أقل
D) تكون الردود أقصر
عرض الإجابة
الإجابة الصحيحة: B
تجعل قيمة temperature المنخفضة النموذج أكثر حتمية — يميل إلى اختيار الكلمات الأعلى احتمالاً باستمرار، فتصير المخرجات أكثر قابلية للتوقع.
السؤال 19
كيف يختار النموذج بين عدة كلمات تالية محتملة؟
A) اختيار عشوائي
B) عيّنة عشوائية مرجّحة بالاحتمالات
C) يختار الأولى دائماً
D) تصويت المستخدمين
عرض الإجابة
الإجابة الصحيحة: B
يأخذ النموذج عيّنة من الكلمات التالية الممكنة، مرجّحة باحتمالاتها. الكلمات الأعلى احتمالاً أكثر ترجيحاً للاختيار، لكن العشوائية تتيح التنوّع.
السؤال 20
ما الذي يجعل Claude ممتازاً خصوصاً للمستندات الطويلة؟
A) سرعة معالجة أعلى
B) نافذة سياق كبيرة جداً (200K tokens)
C) تسويق أفضل
D) تقنية أقدم
عرض الإجابة
الإجابة الصحيحة: B
لدى Claude نافذة سياق حتى 200K tokens، ما يسمح له بمعالجة كتب كاملة أو قواعد شيفرة كبيرة دفعة واحدة.
السؤال 21
لماذا تحتاج نماذج LLM إلى قدرة حاسوبية هائلة للتدريب؟
A) لأغراض التبريد
B) لمعالجة مليارات الأمثلة وضبط مليارات الـ parameters
C) متطلبات قانونية
D) لا تحتاج فعلاً إلى طاقة كبيرة
عرض الإجابة
الإجابة الصحيحة: B
يشمل التدريب معالجة مليارات العينات النصية وضبط مليارات (أو تريليونات) من الـ parameters، ما يتطلب موارد حسابية هائلة.
السؤال 22
ما هو "pre-training"؟
A) تدريب قبل الاختبار الحقيقي
B) التدريب الأولي على بيانات نصية عامة ضخمة
C) تثبيت البرمجيات
D) تهيئة المستخدم
عرض الإجابة
الإجابة الصحيحة: B
الـ Pre-training هو المرحلة الأولى التي يتعلم فيها النموذج من بيانات نصية عامة ضخمة قبل أي fine-tuning خاص بمهام معيّنة.
السؤال 23
لماذا قد يعطي الـ prompt نفسه إجابات مختلفة؟
A) النموذج مرتبك
B) العيّنة العشوائية في التوليد تخلق تنوّعاً
C) مشكلات اتصال بالإنترنت
D) يحصل المستخدمون المختلفون على نماذج مختلفة
عرض الإجابة
الإجابة الصحيحة: B
عملية العيّنة العشوائية (المتأثرة بـ temperature) تعني أن الـ prompt نفسه قد ينتج مخرجات مختلفة في تشغيلات مختلفة.
السؤال 24
ما العلاقة بين التدريب والتنبؤ؟
A) لا علاقة بينهما
B) التدريب يعلّم النموذج التنبؤ بشكل أفضل
C) التنبؤ يعلّم التدريب
D) هما الشيء نفسه
عرض الإجابة
الإجابة الصحيحة: B
التدريب هو عملية تعليم النموذج تحسين تنبؤات الكلمة التالية بضبط الـ parameters استناداً إلى مليارات الأمثلة.
السؤال 25
لماذا تُ«نسى» التعليمات أحياناً في المحادثات الطويلة؟
A) الذكاء الاصطناعي يتعمّد الصعوبة
B) تُدفع التعليمات القديمة خارج السياق
C) حدود زمنية
D) تلف في الذاكرة
عرض الإجابة
الإجابة الصحيحة: B
مع نمو المحادثة، قد تخرج الرسائل القديمة (بما فيها التعليمات) عن نافذة السياق فـ«تُنسى» عملياً.
السؤال 26
ما هي «فرضية الضغط» (compression hypothesis) بشأن نماذج LLM؟
A) ينبغي جعل النماذج أصغر
B) التنبؤ الجيد يتطلب فهماً ضمنياً
C) ينبغي ضغط البيانات
D) الملفات الأصغر أفضل
عرض الإجابة
الإجابة الصحيحة: B
تقترح فرضية الضغط أنه للتنبؤ بالنص جيداً يجب أن يتعلم النموذج ضمنياً النحو والحقائق والمنطق ومعرفة العالم — الضغط يجبر على الفهم.
السؤال 27
ماذا تتيح نافذة سياق أكبر؟
A) ردوداً أسرع
B) معالجة مزيد من النص دفعة واحدة
C) تكاليف أدنى
D) رسومات أفضل
عرض الإجابة
الإجابة الصحيحة: B
تتيح نافذة سياق أكبر للنموذج «رؤية» مزيد من النص دفعة واحدة — ما يمكّن تحليل مستندات أطول وذاكرة محادثة أطول.
السؤال 28
لماذا تظهر التحيّزات في مخرجات نماذج LLM؟
A) برمجة متعمّدة
B) تُتعلَّم التحيّزات الموجودة في بيانات التدريب
C) قيود العتاد
D) تفضيلات المستخدم
عرض الإجابة
الإجابة الصحيحة: B
إذا احتوت بيانات التدريب على تحيّزات (تاريخية، ثقافية، إلخ)، يتعلم النموذج هذه الأنماط وقد يعيد إنتاجها في المخرجات.
السؤال 29
ما دور «الانتباه» (attention) في نماذج LLM؟
A) جعل الذكاء الاصطناعي ينتبه إلى المستخدمين
B) وزن أهمية أجزاء مختلفة من المدخل
C) إبقاء المستخدمين مركزين
D) مراقبة العتاد
عرض الإجابة
الإجابة الصحيحة: B
تساعد آليات الانتباه النموذج على وزن أي أجزاء من المدخل أكثر صلة بالتنبؤ بالكلمة التالية.
السؤال 30
كيف تصف ما «تفهمه» نماذج LLM؟
A) تفهم كما يفهم البشر
B) تتعرّف على أنماط دون فهم حقيقي
C) تفهم كل شيء بشكل مثالي
D) لا تفهم شيئاً على الإطلاق
عرض الإجابة
الإجابة الصحيحة: B
تتعرّف نماذج LLM على أنماط من بيانات التدريب وتعيد إنتاجها. ما إذا كان هذا يشكّل «فهماً» موضع جدل، لكنه يختلف بوضوح عن الفهم البشري.
النتائج
| الدرجة | المستوى |
|---|---|
| 27-30 | ممتاز — فهم قوي لكيفية عمل نماذج LLM |
| 21-26 | جيد — قد تفيد بعض المراجعة |
| 15-20 | متوسط — راجع الفصول مرة أخرى |
| أقل من 15 | يحتاج إلى مراجعة شاملة |