🔺تنظیم دقیق خروجیهای هوش مصنوعی به روش مدیران ارشد گوگل
🎲 تا حالا شده یک پرامپت ثابت به مدل هوش مصنوعی بدهید ولی هر بار خروجی متفاوت بگیرید؟
دلیلش اینه که مدلهای هوش مصنوعی بر اساس احتمال تصمیم میگیرند چه کلمه، جمله یا ایدهای را انتخاب کنند، انگار تاس میریزند!
🔸اما شما میتونید با تنظیم سه پارامتر مهم، این "تاس ریختن" را کنترل کنید و خروجی را به سمت خلاقیت، دقت یا چیزی بین این دو هدایت کنید:
Temperature (دمای خلاقیت)
Top-k (تعداد گزینههای انتخابی)
Top-p (احتمال تجمیعی انتخاب)
🔥 Temperature: کنترل میزان خلاقیت یا قطعیت
Temperature تعیین میکند مدل چقدر به خروجیهای رایج یا غیرمنتظره گرایش داشته باشد.
مثال:
عبارت:
«This morning, I went to the...»
در ادامهاش ممکنه گزینههایی مثل:
grocery store (0.41)
parking lot (0.25)
haunted house (0.02)
moon (0.01)
وجود داشته باشه.
چگونه عمل میکند:
دمای پایین (مثلاً 0.1): مدل تقریباً همیشه "grocery store" را انتخاب میکند → خروجی قابل پیشبینی، دقیق
دمای بالا (مثلاً 2.0): احتمال انتخاب کلمات غیرمنتظره مثل "moon" بیشتر میشود → خروجی خلاقانه، باز، گاهی بیربط
📌 دمای صفر یعنی مدل همیشه همون خروجی قبلی را تولید میکند (decoding قطعی).
🔢 Top-k: چند گزینه روی میز باشه؟
Top-k تعیین میکند چند گزینهی برتر از نظر احتمال باید در لیست انتخاب مدل باقی بمانند.
top-k = 1: فقط محتملترین گزینه → خروجی کاملاً قطعی (greedy decoding)
top-k پایین (مثلاً 5): خروجی دقیقتر، مناسب برای دادههای حساس
top-k بالا (مثلاً 50 یا 100): تنوع و خلاقیت بیشتر
📌 وقتی دارید کار پژوهشی یا تحلیل عددی انجام میدید، top-k پایین کمک میکنه مدل کمتر هذیانگویی (hallucinate) کنه.
🎯 Top-p: کنترل با احتمال تجمعی
Top-p (یا nucleus sampling) میگه مدل تا وقتی انتخاب کنه که مجموع احتمالهای گزینهها به یک آستانه خاص برسد (مثلاً 0.8 یا 0.95).
📖 مثال:
مثل اینه که در کتابخانه، از بین 10 کتاب که برداشتید (top-k)، فقط اونهایی که بیشترین احتمال جذابیت برای شما دارن رو نگه دارید (top-p).
تاثیر مقادیر مختلف:
top-p پایین (مثلاً 0.1): فقط محتملترین پاسخها → خروجی قابل اعتماد
top-p بالا (مثلاً 0.95): امکان انتخاب پاسخهای خلاقانهتر
📌 top-p = 1 یعنی این فیلتر خاموش است.
🧪 ترکیب Temperature، Top-k و Top-p
اگر در حال تحلیل داده حساس یا عددی هستید:
از دمای پایین، top-k پایین، و top-p پایین استفاده کنید تا خروجی دقیقتر و قابل اتکاتری بگیرید.
اگر در حال نامگذاری یک محصول یا ایدهپردازی خلاقانه هستید:
دما را بالا ببرید، top-k و top-p را هم بالا تنظیم کنید تا تنوع بیشتری در خروجی ببینید.
اگر میخواهید یک ایمیل رسمی یا گزارش حرفهای بنویسید:
دما را در سطح متوسط نگه دارید و top-p را کمی پایین بیاورید تا پاسخها دقیقتر و کمتر غیرمنتظره باشند.
اگر در حال ساخت سؤالهای چند گزینهای هستید:
مقدار top-k را برابر ۱ قرار دهید تا مدل همیشه محتملترین پاسخ را انتخاب کند (خروجی قطعی).
اگر میخواهید چند سناریوی مختلف را برای یک موضوع بررسی کنید:
مقدار top-p را بالا ببرید تا مدل بتواند پاسخهای متنوعتری ارائه دهد.
🔍 چه زمانی چه چیزی را تنظیم کنیم؟
دمای پایین → پاسخ دقیق، قابل پیشبینی
دمای بالا → پاسخ خلاقانه، گاهی غیرمنتظره
top-k پایین → گزینههای محدود، خروجی متمرکز
top-k بالا → تنوع بالا در پاسخها
top-p پایین → حذف پاسخهای بعید، تمرکز بر قابلاتکاترینها
top-p بالا → باز گذاشتن دست مدل برای انتخابهای متنوعتر
🧠 نتیجهگیری
مثل کارگردانی با بازیگر باهوش کار میکنید—هر چه دقیقتر به Gen AI بگویید چه تن صدایی، چه سطح خلاقیتی، چه تنوعی میخواهید، خروجی بهتر و مفیدتری دریافت میکنید.
بهترین پاسخ هوش مصنوعی، همیشه رایجترین یا محتملترین گزینه نیست.
گاهی با کمی تغییر در تنظیمات، مسیرهای تازهای برای تفکر و کشف باز میشود.
🔰@irprompts
4August 17, 2026 2.9K 5 19
