الانتقال إلى المحتوى الرئيسي

النماذج المتسلسلة (خط معالجة متعدد المراحل)

الفكرة: النموذج A يولّد ترجمة أولية ← النموذج B يحرّرها لاحقًا ← النموذج C يقيّم النتيجة أو يتحقق منها. كل مرحلة متخصصة في مهمة واحدة. مخرجات خط المعالجة أفضل من أي نموذج منفرد بمفرده.

:::info هذا دليل عملي، وليس تنفيذًا مكتملًا يرسم هذا الدليل الخطوط العامة لبنية خطوط المعالجة متعددة المراحل. تعتمد النماذج المحددة وتكوين السلسلة على الزوج اللغوي والميزانية المتاحة لديك. :::

متى تستخدم هذا الأسلوب​

  • عندما ينتج نموذج منفرد جودة غير متسقة — جيدة في بعض المدخلات وسيئة في غيرها
  • عندما تريد فصل التوليد عن التحقق — نموذج يُنشئ، وآخر ينقد
  • عندما تتوفر لديك ميزانية لإجراء عدة استدعاءات API لكل ترجمة (يتزايد زمن الاستجابة والتكلفة خطيًا مع عدد المراحل)
  • عندما تريد الجمع بين نماذج ذات نقاط قوة مختلفة (مثل مولّد إبداعي + محرّر دقيق)

كيف يعمل​

Input ──→ [Stage 1: Generator] ──→ [Stage 2: Editor] ──→ [Stage 3: Validator] ──→ Output
              │                         │                        │
              │ "Translate this"        │ "Fix errors in         │ "Rate 1-5 and
              │                         │  this translation"     │  flag issues"
              ▼                         ▼                        ▼
         Raw translation          Polished translation      Score + accept/reject

مثال: خط معالجة ثلاثي المراحل​

# Stage 1: Fast model generates candidate
raw = await fast_model.translate(source, target_lang="crk")

# Stage 2: Strong model post-edits
edited = await strong_model.complete(
    f"The following {target_lang} translation may contain errors. "
    f"Fix any grammatical or vocabulary mistakes:\n"
    f"Source: {source}\nTranslation: {raw}\nCorrected:"
)

# Stage 3: Validator model scores
score = await validator.complete(
    f"Rate this translation 1-5 for accuracy and fluency:\n"
    f"Source: {source}\nTranslation: {edited}\nScore:"
)

# Accept if score >= 3, otherwise retry Stage 1 with different temperature

أنماط السلاسل الشائعة​

النمطالمراحلحالة الاستخدام
توليد ← تحريرنموذج LLM سريع ← نموذج LLM قويتحسين الجودة بكفاءة في التكلفة
توليد ← تحقق ← إعادة محاولةLLM ← FST/قواعد ← LLM (إعادة المحاولة عند الفشل)الصحة الصرفية (انظر FST-Gated)
توليد ← ترجمة عكسية ← تقييمLLM(en→crk) ← LLM(crk→en) ← مقارنةفحص اتساق الترجمة ذهابًا وإيابًا
مجموعة نماذج ← تصويت3 نماذج LLM بشكل مستقل ← تصويت الأغلبيةالمتانة من خلال التنوع

قرارات التصميم الرئيسية​

ميزانية زمن الاستجابة: كل مرحلة تضاعف زمن الاستجابة. سلسلة من 3 مراحل بمعدل ثانيتين لكل مرحلة = 6 ثوانٍ لكل ترجمة. هذا مقبول للتقييم بالدفعات؛ لكنه قد لا يناسب الاستخدام في الزمن الحقيقي.

مضاعِف التكلفة: 3 مراحل = 3 أضعاف تكلفة API. استخدم نماذج أرخص للمراحل المبكرة، ونماذج أغلى للمراحل الحرجة.

انتشار الأخطاء: قد يضلّل مخرج سيئ من المرحلة 1 المرحلة 2. ضمّن النص المصدر الأصلي في كل مرحلة حتى تتمكن النماذج اللاحقة من التعافي.

المزايا والعيوب​

✅ إمكانية الجمع بين نقاط قوة النماذج المتخصصة❌ زمن الاستجابة والتكلفة يتضاعفان مع كل مرحلة
✅ فصل المسؤوليات (التوليد مقابل التحقق)❌ تعقيد في تصحيح الأخطاء — أي مرحلة أدخلت الخطأ؟
✅ سهولة استبدال المراحل المنفردة❌ انتشار الأخطاء بين المراحل
✅ التحقق ذهابًا وإيابًا يكشف الهلوسات❌ تناقص العوائد بعد 2-3 مراحل

يتكامل جيدًا مع​

انظر أيضًا​