T1 · Beginner · 7 دقيقةثابت · آخر مراجعة: 2026-08-19مسودة أولى — بنراجعها

ليه مخرجات الـ AI احتمالية (وده بيغيّر إزاي تبني)

في سطر واحد · الموديل بيختار الكلمة الجاية باحتمال، مش بيقين — فنفس السؤال ممكن يدّي إجابات مختلفة شوية كل مرّة.

القاموس:ProbabilisticTemperature
الأفضل تقرأ الأول:إيه هو الـ LLM؟
ليه ده مهم؟

عشان كده متقدرش تبني على إن المخرج هيبقى ثابت زي كود عادي. لازم تتعامل مع التنوّع ده: تحقّق، تحطّ حدود، وتقيّم.

الموديل زي واحد بيرمي زهر متحيّز: الأرقام الكبيرة أكثر احتمالًا، بس مش مستحيل يطلع رقم تاني. عشان كده الإجابات بتختلف.

اسأل موديل «اقترح اسم لمشروع» مرّتين، هتلاقي اسمين مختلفين. ده طبيعي — مش عطل.

طيب بتحصل إزاي؟

في كل خطوة، الموديل بيحسب لكل token ممكن احتمال، وبعدين بيسحب منهم عشوائيًا (sampling). الـ temperature بتتحكّم في العشوائية دي: قيمة قريبة من صفر بتخلّيه شبه دايمًا يختار الأعلى احتمالًا (مخرجات شبه ثابتة)، وقيمة أعلى بتوسّع الاختيارات (تنوّع وإبداع أكتر). وخد بالك: حتى بـ temperature صفر مفيش ضمان تطابق 100% كل مرّة على البنية التحتية الحقيقية.

خلينا نبنيها

🧪 جرّب بنفسك: في الـ Chat App، ابعت نفس السؤال 5 مرّات بـ temperature عالي (مثلًا 1.0) وشوف الإجابات بتختلف قد إيه، وبعدين كرّر بـ temperature صفر وقارن. هتشوف بعينك إزاي تتحكّم في الثبات.

أشهر الأخطاء

غلطات شائعة: (1) تعامل التنوّع كـ bug وتضيّع أيام بتحاول «تصلّحه». (2) تختبر بـ prompt مرّة واحدة وتقول «شغال» — لازم تجرّب عيّنات كتير. (3) تعتمد على إن المخرج هيبقى بصيغة معيّنة من غير validation — يوم ما الصيغة تختلف، الكود اللي بعده هيقع.

إمتى تستخدمها؟

خلّي العشوائية في صفّك في المهام الإبداعية: كتابة، أفكار، أسماء، صياغات بديلة — temperature أعلى بيدّيك تنوّع مفيد.

وإمتى لأ؟

قلّل العشوائية (temperature قريب من صفر) في المهام اللي محتاجة ثبات: استخراج بيانات، تصنيف، مخرجات بصيغة JSON. ولو محتاج ثبات مطلق 100%، ده معناه إن الجزء ده لازم يبقى كود عادي مش موديل.

خلينا نبنيهاالقراءة خلصت — دلوقتي ابنيها بإيدك.اتحكّم في الثبات في Chat App