معاملات أخذ العينات

نظرة عامة

لا شيء من هذه الحقول مطلوب. حذف حقل بالكامل يعني أن النموذج يستخدم قيمته الافتراضية الخاصة لذلك الإعداد، وهو الخيار الصحيح لمعظم الطلبات؛ الجأ إلى هذه الحقول عندما يحتاج طلب معين فعليًا إلى مزيد من الحتمية، أو مزيد من التنوع، أو شرط توقف صارم. تُتحقَّق كل قيمة هنا عند الإدخال: قيمة من النوع الخاطئ، أو رقم خارج النطاق المقبول، يُتجاهل بصمت لذلك الحقل وحده بدلاً من فشل الطلب بأكمله، لذا فإن معامل أخذ عينات مشوَّه لا يحوّل أبدًا طلبًا عاملاً إلى طلب معطّل. إذا كان الطلب يتصرف وكأن معاملًا أرسلته لم يكن له أي تأثير، فأول ما يجب التحقق منه هو أنه ضمن النطاق المقبول أدناه.

الحقل	النوع	النطاق	التأثير
temperature	number	0–2	القيم الأعلى تجعل المخرجات أكثر تنوعًا وأقل قابلية للتنبؤ؛ القيم الأدنى تجعلها أكثر تركيزًا وحتمية. القيمة 0 تقترب من اختيار الرمز التالي الأكثر احتمالاً دائمًا.
top_p	number	0–1	أخذ عينات النواة (nucleus sampling): يقصر الخيارات على أصغر مجموعة من الرموز التي يصل مجموع احتمالاتها إلى هذه القيمة. وسيلة بديلة عن temperature للتحكم في التنوع؛ معظم الطلبات ينبغي أن تضبط أحدهما فقط، لا كليهما.
presence_penalty	number	-2–2	القيم الموجبة تقلّل احتمال ظهور رمز سبق أن ظهر في أي مكان في الاستجابة حتى الآن، مما يشجع النموذج على طرح مواضيع جديدة بدلاً من الإطالة في مواضيع ذُكرت بالفعل.
frequency_penalty	number	-2–2	القيم الموجبة تقلّل احتمال ظهور رمز بما يتناسب مع عدد مرات ظهوره سابقًا، مما يُثني عن تكرار نفس الكلمات والعبارات.
seed	integer	أي عدد صحيح	طلب نفس القيمة الأولية (seed) مع طلب مطابق فيما عداها يجعل المخرجات أكثر قابلية للتكرار من تشغيل لآخر. ليس ضمانًا صارمًا لمخرجات مطابقة حرفيًا في كل مرة، لكنه يقلل التباين بشكل ملموس لأغراض الاختبار والتصحيح.
stop	string أو array من السلاسل النصية	حتى بضع تسلسلات قصيرة	يتوقف التوليد فور أن يكون أي من هذه التسلسلات على وشك الظهور في المخرجات. التسلسل نفسه لا يُدرَج في النص المُعاد.

مثال

{
  "model": "tai-4.1",
  "messages": [{"role": "user", "content": "Bir ürün açıklaması yaz"}],
  "temperature": 0.3,
  "presence_penalty": 0.4,
  "stop": ["###"]
}

متى تلجأ لأيّها

بالنسبة لأي شيء يكون فيه الاتساق أهم من التنوع، كالاستخراج، والتصنيف، والمخرجات المهيكلة، والكود، فإن إبقاء temperature منخفضة (من 0 إلى نحو 0.3) هو غالبًا الخيار الصحيح. أما بالنسبة للكتابة المفتوحة، أو العصف الذهني، أو أي شيء تفضّل فيه رؤية مجموعة متنوعة من المخرجات المحتملة عبر استدعاءات متكررة، فإن temperature أعلى (من 0.7 إلى 1.0 أو أكثر) يميل إلى إنتاج تنوع أكثر إثارة للاهتمام. يستحق اللجوء إلى presence_penalty وfrequency_penalty تحديدًا حين ينتج النموذج نصًا متكررًا، أو يدور حول نفس العبارة، أو يعيد صياغة نفس النقطة؛ وهما أقل فائدة كخيار افتراضي عام من temperature. أما seed فمفيد بشكل أساسي أثناء التطوير والاختبار، حيث يجعل تكرار نفس المخرجات عبر عمليات التشغيل تصحيح تغيير في الطلب النصي أسهل بكثير من محاولة معرفة ما إذا كان اختلاف في المخرجات ناتجًا عن تغييرك أو عن تباين أخذ العينات العادي.

غير مدعوم حاليًا

بعض الحقول المتصلة بأخذ العينات والموجودة في واجهة OpenAI نفسها غير مقبولة حاليًا: n (إكمالات مرشحة متعددة لكل طلب؛ يعيد tAI دائمًا واحدة فقط بالضبط)، وlogprobs / top_logprobs، وresponse_format (وضع مخرجات JSON المهيكلة). إرسال أي من هذه الحقول ليس له أي تأثير؛ فهي لا تُتحقَّق ولا تُطبَّق. راجع صفحة توافق SDK الخاص بـ OpenAI للحصول على القائمة الكاملة لما هو مدعوم وما ليس كذلك إذا كنت تنقل تكاملاً قائمًا.