من التطبيق إلى الأوزان والعتاد

الأداة تنفذ وظيفة؛ Proxy يمرر الطلبات؛ Pipeline ينسق مراحل العمل. هذه طبقات حول النموذج.

Tools perform functions, a proxy forwards requests, and a pipeline coordinates processing stages around the model.

نظام يستخدم نموذجًا ليختار خطوات وأدوات لتحقيق مهمة ضمن صلاحيات محددة.

A system that uses a model to choose steps and tools toward a task within defined permissions.

سير العمل يحدد خطوات المهمة؛ التنسيق يدير ترتيبها والبيانات والأخطاء بين المكوّنات.

A workflow defines task steps; orchestration manages their order, data flow and failures.

معيار لربط تطبيقات الذكاء الاصطناعي بالبيانات والأدوات. لا يدرّب الأوزان.

A standard connecting AI applications with data and tools; it does not train weights.

المضيف هو التطبيق؛ العميل يدير الاتصال بخادم؛ والخادم يقدّم إمكانات.

The host is the application; a client manages a server connection; the server exposes capabilities.

أدوات لتنفيذ وظائف، وموارد لتوفير السياق، وقوالب توجيه قابلة لإعادة الاستخدام.

Tools execute functions, resources provide context, and prompts supply reusable templates.

عقد برمجي يحدد كيف يطلب مكوّن خدمة من مكوّن آخر. MCP معيار محدد، وAPI مفهوم أوسع.

A software contract for requesting capabilities from another component. API is broader than the specific MCP standard.

نص وسياق يوجهان الاستجابة وقت الاستخدام؛ تغيير التوجيه وحده لا يعيد تدريب النموذج.

Input and instructions guide a response at use time; editing a prompt alone does not retrain the model.

يسترجع النظام نصوصًا خارجية ثم يتيحها للنموذج لصياغة الجواب.

Retrieves external evidence and supplies it to the generator. Retrieval does not guarantee faithful use of the evidence.

أن تكون ادعاءات الجواب مؤيدة بالأدلة المعطاة، مع حفظ النفي والشروط والكيانات.

Requires claims to be supported by the supplied evidence while preserving entities, negation and conditions.

الاختلاق معلومة غير مسنودة؛ والإحالة وسيلة لتعيين مصدر الادعاء.

An unsupported claim can coexist with a correctly formatted citation; grounding and citation syntax are separate checks.

نقسّم الوثائق، نسترجع أجزاء مرشحة للسؤال، ثم نرتبها بحسب الصلة قبل إدراجها في السياق.

Split documents, retrieve candidate passages, then reorder them by relevance before adding them to context.

يحوّل نموذج التضمين المقطع إلى متجه للبحث بالتشابه. هذا يختلف وظيفيًا عن جدول تضمين توكنات النموذج.

An embedding model maps a passage to a vector for similarity search; its role differs from a model’s token embedding table.

البنية هي طريقة بناء الشبكة؛ checkpoint هو أوزانها في مرحلة تدريب معينة.

Architecture specifies the computation; a checkpoint stores learned weights at a particular training stage.

الأساس يتعلم أنماط النص؛ نسخة Instruct تتلقى تدريبًا إضافيًا على الاستجابة للطلبات.

A base model learns text patterns; instruction tuning teaches it to respond to requests.

Llama عائلة من Meta؛ وLlamaForCausalLM اسم فئة برمجية لتنفيذ بنية متوافقة.

Llama is a model family. The class name LlamaForCausalLM alone does not establish the origin of the loaded weights.

الاسم يشمل إصدارات وأحجامًا نصية وبصرية مختلفة؛ يجب تحديد الاسم الكامل.

A model family with different generations, sizes and modalities; the exact model identifier matters.

نسخة 7B المختبرة يصفها ناشرها بأنها مدربة من الصفر؛ بعض أفراد العائلة الأخرى نماذج مكيفة.

The cited 7B release is described by its publisher as trained from scratch. Other family members can have different training lineages.

الذكاء الاصطناعي هو المجال الأوسع؛ تعلم الآلة يتعلم من البيانات؛ والتعلم العميق يستخدم شبكات عصبية متعددة الطبقات.

AI is the broad field; ML learns from data; DL uses multilayer neural networks.

معالجة اللغة مجال واسع؛ النموذج اللغوي الكبير أحد أنواع النماذج المستخدمة فيه.

NLP is a broad field; an LLM is one type of model used within it.

متعدد الوسائط يتعامل مع أكثر من نوع بيانات؛ نموذج الرؤية واللغة يربط الصورة بالنص.

Multimodal models handle multiple data types; a vision-language model connects images and text.

المُرمّز يحوّل النص إلى وحدات ذات معرّفات؛ الوحدة قد تكون كلمة أو جزء كلمة أو رمزًا.

A tokenizer splits text into units and assigns identifiers. A token may be a word, subword or symbol.

يبني وحدات فرعية بدمج أزواج شائعة تدريجيًا.

Learns subword units by repeatedly merging frequent pairs. Specific implementations differ in their initial symbols.

مكتبة تتعلم تقسيم النص الخام، وتدعم خوارزميات منها BPE وUnigram.

A tokenizer library that learns from raw text and supports algorithms such as BPE and Unigram.

القاموس مجموعة معرّفات التوكنات؛ والكثافة هنا متوسط عدد التوكنات لكل كلمة.

Vocabulary is the inventory of token identifiers; fertility here means average tokens per word.

رموز خاصة لحدود التسلسل أو إكمال أطوال الدفعات.

Special tokens mark sequence boundaries or align batch lengths. Their identifiers differ between tokenizers.

صيغة إدخال أدوار المستخدم والمساعد وحدود الرسائل كما تدرب عليها النموذج.

Formats roles, messages and boundaries into the token sequence expected by the model.

Byte fallback يتيح تمثيل رموز عبر بايتاتها؛ والتطبيع سياسة لتغيير النص قبل التقطيع.

Byte fallback represents otherwise unsupported symbols using bytes; normalization may modify text before tokenization.

حد الرموز التي يستطيع التشغيل معالجتها في الطلب، عادةً مع احتساب مساحة للإخراج.

The token capacity available to a request. Context is temporary input, not a permanent weight update.

يولّد النص تدريجيًا، ويستخدم ما سبق الموضع الحالي دون الاطلاع على المستقبل.

Predicts the next token using the preceding sequence rather than future tokens.

Prefill يعالج نص الطلب؛ Decode يولّد الإخراج خطوة بخطوة.

Prefill processes the prompt; decoding generates subsequent tokens step by step.

Greedy يختار الأعلى احتمالًا؛ الحرارة تغيّر حدة الاحتمالات؛ Top-p يحد مجموعة السحب حسب كتلتها الاحتمالية.

Greedy decoding selects the most likely token. Temperature adjusts probabilities; top-p restricts the sampling pool by cumulative probability.

الأولى تغير درجات رموز سبق ظهورها؛ والثاني يقطع التوليد عند سقف محدد.

A repetition penalty modifies scores of seen tokens; a hard cap stops generation at a fixed limit.

يولّد النموذج توكنًا مشروطًا بالتوكنات السابقة، ثم يضيفه إلى السياق لتوليد التالي.

Generates a token conditioned on previous tokens, then appends it to the context for the next step.

رأس الإخراج يحوّل التمثيل الداخلي إلى درجة لكل توكن في القاموس؛ الدرجات قبل Softmax ليست احتمالات.

The output head maps hidden states to vocabulary scores; these logits are not yet probabilities.

يدوّر تمثيلات الاستعلام والمفتاح بحسب موضع التوكن، فتدخل المسافة النسبية بين المواضع في حساب الانتباه.

Encodes token positions by rotating query and key vectors, making relative position available to attention.

تصميم يجمع الانتباه وشبكات أمامية في طبقات لمعالجة تسلسل من الرموز.

A neural network architecture built from attention and feed-forward layers.

يقارن الاستعلام Q بالمفاتيح K ليحدد أوزان جمع القيم V من السياق.

Attention compares queries with keys to determine how strongly to combine their associated values.

لكل رأس استعلام مقابلات مستقلة للمفتاح والقيمة.

Uses multiple attention heads, each with its own query, key and value projections.

تشارك رؤوس الاستعلام رأس KV واحدًا لتقليل ذاكرة التوليد.

Multiple query heads share a single key-value head to reduce decoding memory requirements.

تشارك مجموعة من رؤوس Q رؤوس KV أقل عددًا؛ حل وسط بين MHA وMQA.

Groups of query heads share fewer key-value heads, providing a compromise between MHA and MQA.

الطبقات هي مراحل المعالجة؛ والعرض عدد القيم في تمثيل التوكن داخلها.

Layers are processing stages; hidden size is the width of the internal token representation.

يختار موجّه أجزاء من الشبكة لكل توكن بدل تشغيل جميع الخبراء. العدد الكلي يختلف عن العدد النشط.

A router activates a subset of experts per token. Total stored parameters differ from active parameters.

يضغط تمثيلات المفاتيح والقيم إلى تمثيل كامن أصغر لتقليل ذاكرة السياق.

Compresses key-value representations into a smaller latent state to reduce cache requirements.

تعالج التسلسل بحالة متغيرة وبنية حساب مختلفة، وتكشف الدراسة صلات بأنواع من الانتباه.

Processes sequences through an evolving state; Mamba-2 connects structured state-space methods with forms of attention.

المُرمّز يبني تمثيل المدخل. في بنية مُرمّز ومفكّك، يقرأ المفكّك ذلك التمثيل بالانتباه المتقاطع أثناء التوليد.

An encoder represents input. In encoder–decoder architectures, the decoder can attend to that representation while generating.

الانتباه الذاتي يربط مواضع التسلسل نفسه؛ القناع السببي يمنع الموضع من قراءة التوكنات اللاحقة.

Self-attention connects positions in one sequence; a causal mask prevents attending to future tokens.

يضبط حجم القيم داخل الطبقة باستخدام الجذر التربيعي لمتوسط مربعاتها، دون طرح المتوسط كما في LayerNorm.

Rescales activations using their root mean square, without subtracting the mean as LayerNorm does.

تركيب في الشبكة الأمامية يجمع مسارين بضرب عنصر بعنصر، مع دالة Swish في أحدهما.

A feed-forward design that multiplies two learned branches, applying the Swish activation to one branch.

تحويلات متعلَّمة لمعالجة تمثيل كل توكن داخل الطبقة.

Transforms each token's internal representation; SwiGLU is one possible feed-forward design.

جدول يحوّل معرّف التوكن إلى متجه أرقام يتعلمه التدريب.

Maps a token identifier to a learned vector of numbers.

استخدام جدول الأوزان نفسه لتمثيل رموز الإدخال والمساعدة في حساب احتمالات رموز الإخراج.

Shares the input embedding weights with the output vocabulary projection.

أرقام تتغير بالتدريب وتحدد سلوك النموذج. حرف B في 7B يعني مليار معامل تقريبًا.

Learned numbers that determine model behavior. Parameter count is different from training-token count.

تحوّل الدرجات إلى قيم موجبة مجموعها واحد: داخل الانتباه لتوزيع التركيز، وعند الإخراج لتوزيع احتمالات التوكنات. الاحتمال ليس مقياس صدق الإجابة.

Maps scores to positive values summing to one: attention weights internally, token probabilities at output. Probability does not measure factual truth.

المتجه قائمة أعداد، والمصفوفة جدول ثنائي الأبعاد، والموتر تعميم لمصفوفات الأعداد إلى عدد أبعاد مختلف.

A vector is a list of numbers, a matrix is two-dimensional, and a tensor generalizes numerical arrays across dimensions.

عملية تمزج قيم المدخل باستخدام الأوزان؛ تُستخدم مثلًا لإنتاج Q وK وV.

Combines input values with weights; used, for example, to produce Q, K and V projections.

التنشيط قد يعني القيمة المؤقتة أو دالة لاخطية. الوصلة المتبقية تجمع مدخل المكوّن مع خرجه.

Activation can mean an intermediate value or a nonlinear function. A residual connection adds a component’s input to its output.

تحتفظ بحسابات K وV السابقة لتجنب إعادة حسابها عند كل توكن.

Stores previous key and value calculations so decoding does not need to recompute them.

صيغ ذات دقة ومدى عددي مختلفين. BF16 يحافظ على مدى أسّي واسع مع دقة كسور أقل من FP16.

Numerical formats trade precision, range and memory. BF16 has a wider exponent range than FP16 but fewer fraction bits.

تمثيل الأوزان أو الحسابات بدقة أقل لتقليل الذاكرة والكلفة، وقد يؤثر في الجودة.

Reduces numerical precision to save memory and computation, with possible changes in model quality.

VRAM ذاكرة GPU؛ نقل بعض الأوزان إلى RAM يخفف ضغط GPU وقد يبطئ التوليد.

GPU memory holds weights and runtime data. CPU offloading moves part of the workload or weights to system memory.

يعيد تنظيم الحساب والقراءة والكتابة لتحسين الكفاءة، مع حساب انتباه دقيق لا تقريب عام له.

Reorganizes exact attention computation to reduce memory traffic. It improves execution rather than adding knowledge.

ينظم KV على هيئة كتل لتقليل الهدر وتسهيل خدمة طلبات متعددة. vLLM نظام تشغيل يستخدم هذه الفكرة.

PagedAttention manages the KV cache in blocks; vLLM is a serving engine built around efficient memory management.

نموذج أو مسار أسرع يقترح رموزًا، ثم يتحقق النموذج الهدف منها وفق خوارزمية قبول.

A faster draft proposes tokens that the target model checks. Exact variants preserve the target distribution.

بدء تعلم الأوزان دون اتخاذ أوزان نموذج لغوي سابق نقطة بداية.

Learns model weights without starting from an existing pretrained language model's weights.

مرحلة تعلّم واسعة من البيانات. في النماذج اللغوية السببية يكون الهدف المعتاد توقع التوكن التالي؛ تنتج نموذج أساس.

Broad learning from data, commonly through next-token prediction in causal language models, producing a base model.

تعليم النموذج من أمثلة مدخل وجواب مرغوب.

Trains the model on examples of inputs and desired outputs.

يثبت الأوزان الأساسية ويدرّب تحديثات صغيرة منخفضة الرتبة.

Freezes base weights and learns small low-rank updates for adaptation.

يستخدم أساسًا مجمدًا مكممًا إلى 4 بت مع تدريب LoRA؛ اقترحت الورقة NF4 وتقنيات أخرى لتقليل الذاكرة.

QLoRA trains low-rank adapters on a frozen quantized base. NF4 is a numerical representation introduced in that work.

التعديل الكامل يغيّر جميع الأوزان؛ أما وحدة التكييف فتخصص جزءًا أو إضافة أصغر.

Full fine-tuning updates all model weights; an adapter provides a smaller trainable specialization mechanism.

يتعلم من أزواج جواب مفضَّل وآخر أقل تفضيلًا، دون حلقة التعلم المعزز التقليدية نفسها.

Learns from preferred and less-preferred response pairs using a direct training objective.

منهج يوجّه السلوك بإشارات تفضيل بشرية، عادةً عبر نموذج مكافأة ثم تحسين سياسة التوليد.

Uses human feedback to guide behavior, commonly through a reward model and policy optimization.

يقارن مكافآت عدة إجابات للطلب نفسه لتقدير التحسين النسبي، دون نموذج ناقد منفصل في الصيغة المنشورة.

Compares rewards within a group of responses to estimate relative improvements without a separate critic in the published formulation.

دراسة كيف تتغير الجودة مع الحجم والبيانات والميزانية، وكيف يوزع التدريب الموارد بينها.

Studies how model size, data and compute interact; Chinchilla is a particular influential compute-allocation study.

مواصلة التعلم من نصوص أو مهام مستهدفة بعد مرحلة عامة؛ استخدام اسم التدريب الوسيط يختلف بين فرق النماذج.

Continues learning on targeted text or tasks after broad training; the label mid-training varies across model teams.

مظلة لتكييف نموذج مدرّب مسبقًا: قد تشمل SFT والتفضيلات والتعلم المعزز؛ ليست وصفة واحدة ثابتة.

An umbrella for adapting a pretrained model, potentially including SFT, preference optimization and reinforcement learning.

يشمل إعداد البيانات اختيارها وتنظيفها وإزالة التكرار وضبط الجودة؛ البيانات تؤثر فيما تتعلمه الأوزان.

Data preparation includes selection, cleaning, deduplication and quality checks; data shapes what weights learn.

الحقبة مرور على مجموعة التدريب؛ الدفعة مجموعة أمثلة لخطوة حساب؛ معدل التعلم يضبط حجم تحديث الأوزان.

An epoch traverses a training dataset, a batch groups examples for computation, and learning rate controls update size.

التدرّج يقيس حساسية الخسارة للمعاملات؛ الانتشار الخلفي يحسبه؛ وخوارزمية التحسين تستخدمه لتعديل الأوزان.

Gradients measure loss sensitivity to parameters; backpropagation computes them; an optimizer uses them to update weights.

تدريب نموذج طالب للاستفادة من مخرجات أو إشارات نموذج معلّم؛ يختلف عن تقليل دقة الأوزان بالتكميم.

Trains a student using a teacher’s outputs or signals; distinct from reducing weight precision through quantization.

التعلم المعزز يحسّن السلوك وفق مكافأة؛ قد تأتي المكافأة من نموذج أو تحقق برمجي أو غيرهما.

Reinforcement learning improves behavior using rewards, which may come from a model, programmatic checks or other sources.

عائلة أساليب تضبط عددًا محدودًا من المعاملات لتقليل تكلفة التكييف؛ LoRA أحد أمثلتها.

A family of methods adapting relatively few parameters to reduce adaptation cost; LoRA is one example.

حالات محددة وقاعدة معلنة للحكم. النتيجة تخص هذه المهمة وهذه الوصفة.

Measures performance on defined cases under explicit criteria, not universal intelligence.

نفصل حالات الاختبار عن التدريب؛ ونخفي هوية النموذج عند التقييم المعمى لتقليل التحيز.

Holdouts separate evaluation from training; blinding hides model identity from reviewers to reduce bias.

يقيسان جودة توقع الرموز في بيانات محددة؛ الأقل لا يضمن أفضل اتباع للتعليمات أو أمانة للمصدر.

Measures token-prediction performance. Lower values do not automatically imply better instruction following or grounding.

Latency مدة الطلب؛ Throughput حجم العمل خلال الزمن؛ TTFT زمن ظهور أول توكن.

Different performance measures require matching hardware, precision, context and concurrency for fair comparison.

اختصار State of the Art؛ وصف مرتبط بمهمة ومقياس ووقت وشروط اختبار.

A task-, metric- and date-dependent claim about leading performance; it is not a universal quality label.