> ## Documentation Index
> Fetch the complete documentation index at: https://phaseo.app/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# معلمات الاستدلال

> كيف تؤثر معلمات الطلب الأساسية في الجودة والحتمية وزمن الاستجابة والتكلفة.

يمثل التكميم نصف سلوك النموذج.\
أما النصف الآخر فتمثله معلمات الاستدلال.

## المعلمات الأساسية

| المعلمة | ما الذي تتحكم فيه | التأثير المعتاد |
| - | - | - |
| `temperature` | العشوائية في اختيار الرموز | القيمة الأعلى تعطي إجابات أكثر إبداعًا وتنوعًا، والأقل تعطي نتائج أكثر حتمية |
| `top_p` | حدّ أخذ العينات بالنواة | القيمة الأقل تنتج مخرجات أكثر أمانًا وتركيزًا |
| `top_k` | حجم مجموعة الرموز المرشحة (عند الدعم) | القيمة الأقل تضيق الخيارات وتجعل المخرجات أكثر قابلية للتوقع |
| `max_tokens` / `max_output_tokens` | الحد الأقصى لطول المخرجات المُنشأة | يحدّ التكلفة وزمن الاستجابة، وقد يقتطع الإجابات |
| `stop` | تسلسلات التوقف الصريحة | يحسّن تنسيق المخرجات وموثوقية تحليلها |
| `seed` | بذرة عشوائية (عند الدعم) | يحسّن إمكانية تكرار النتائج عند تصحيح الأخطاء والاختبار |

## تفاعلات ينبغي الانتباه إليها

* تؤثر كل من `temperature` و`top_p` في العشوائية. غيّر معلمة واحدة فقط في كل مرة أثناء الضبط.
* قد يؤدي الجمع بين التكميم الشديد بعدد بتات منخفض والعشوائية العالية إلى زيادة عدم استقرار المخرجات.
* قد تبدو قيمة `max_tokens` المنخفضة كأنها إخفاق من النموذج بينما تكون الإجابة مقتطعة فقط.

## قيم بدء موصى بها

* `temperature`: من `0.2` إلى `0.7` بحسب مقدار الإبداع المطلوب
* `top_p`: من `0.9` إلى `1.0`
* `max_tokens`: اضبطه وفق طول المخرجات المتوقع بدلًا من استخدام قيمة كبيرة موحدة

## خطوات الضبط

1. اضبط التكميم أولًا.
2. ثبّت مجموعة التقييم.
3. غيّر معلمة واحدة في كل مرة.
4. قارن الجودة وزمن الاستجابة واستخدام الرموز.
5. احتفظ بإعدادات مسبقة منفصلة لكل نقطة نهاية وحالة استخدام.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.