مسرد التكنولوجيا الماليةالذكاء الاصطناعي

التعلم في السياق

التعلم في السياق هو قدرة نماذج اللغة الكبيرة حيث يتعلمون أداء مهام جديدة من الأمثلة المقدمة في استفسار الإدخال دون الحاجة إلى تحديثات المعلمات أو الضبط الدقيق. يستخدم النموذج الأنماط والعلاقات الموضحة في الأمثلة المقدمة لاستنتاج السلوك المرغوب للمدخلات الجديدة ويكيف ردوده بناءً على السياق الذي أنشأته الأمثلة. هذه القدرة هي واحدة من أقوى ميزات نماذج اللغة الكبيرة الحديثة مما يمكنهم من أداء مجموعة واسعة من المهام مع تدريب ضئيل خاص بالمهمة. يعمل التعلم في السياق من خلال قدرة النموذج على التعرف على الأنماط في تسلسل الإدخال وتوسيعها. عندما يقدم المستخدم عدة أمثلة لمهمة مثل أزواج المدخلات والمخرجات للتصنيف أو الترجمة أو التحليل، يحدد النموذج النمط الأساسي ويطبقه على المدخلات الجديدة. يسمى عدد الأمثلة المقدمة عدد اللقطات حيث لا يستخدم التعلم بدون لقطات أي أمثلة ويستخدم التعلم بلقطة واحدة مثالاً واحدًا ويستخدم التعلم بعدة لقطات أمثلة متعددة. تعتمد فعالية التعلم في السياق على عدة عوامل: جودة وتمثيلية الأمثلة ووضوح وصف المهمة والتشابه بين الأمثلة والمدخل المستهدف وبيانات التدريب المسبق للنموذج. التعلم في السياق فعال بشكل خاص للمهام التي لدى النموذج معرفة عامة عنها من التدريب المسبق حيث تعمل الأمثلة على تركيز وتوجيه قدرات النموذج الحالية. الآلية الكامنة وراء التعلم في السياق هي مجال بحث نشط. تشير بعض النظريات إلى أن النماذج تؤدي انحدارًا متدرجًا ضمنيًا أثناء التمرير الأمامي وتتعلم بشكل فعال من الأمثلة دون تحديث الأوزان. تشير نظريات أخرى إلى أن التعلم في السياق ينبثق من قدرة النموذج على استرجاع وتطبيق الأنماط ذات الصلة من بيانات التدريب المسبق الخاصة به مع عمل الأمثلة كإشارات استرجاع. بغض النظر عن الآلية، أصبح التعلم في السياق قدرة أساسية لتطبيقات نماذج اللغة الكبيرة مما يمكن المستخدمين من تكييف النماذج مع المهام الجديدة بسرعة دون التكلفة الحسابية للضبط الدقيق.

في الخدمات المالية

في الخدمات المالية، يعتبر التعلم في السياق قدرة قوية تمكن أنظمة الذكاء الاصطناعي من التكيف مع المهام والمجالات المالية المحددة دون الحاجة إلى الضبط الدقيق للنموذج. تستخدم المؤسسات المالية التعلم في السياق لتخصيص سلوك نماذج اللغة الكبيرة لحالات الاستخدام والأقسام والمتطلبات التنظيمية المختلفة. على سبيل المثال، يمكن إعطاء ذكاء اصطناعي للتحليل المالي أمثلة على كيفية استخراج مقاييس مالية محددة من تقارير الأرباح مع إظهار الأمثلة للتنسيق ومستوى التفاصيل والمصطلحات المتوقعة. يطبق النموذج بعد ذلك هذا النمط على تقارير الأرباح الجديدة منتجًا تحليلات متسقة ومتوافقة مع التنسيق. يعتبر التعلم في السياق ذا قيمة خاصة لمهام تحليل المستندات المالية حيث يختلف تنسيق الإخراج ومتطلبات المحتوى حسب نوع المستند. يمكن إعطاء النموذج أمثلة على كيفية تحليل إيداعات 10-K ونصوص مكالمات الأرباح وتقارير المحللين والإيداعات التنظيمية مع إظهار كل مثال للتنسيق المحدد ومتطلبات المحتوى لنوع المستند ذلك. يكيّف النموذج بعد ذلك تحليله بناءً على نوع المستند الذي يصادفه. تستخدم المؤسسات المالية أيضًا التعلم في السياق للامتثال التنظيمي حيث يجب أن ينتج النموذج مخرجات تتوافق مع تنسيقات تنظيمية محددة. على سبيل المثال، يمكن إعطاء النموذج أمثلة على تأكيدات الصفقات المتوافقة أو تقارير الأنشطة المشبوهة أو الإيداعات التنظيمية ثم إنشاء مستندات جديدة بنفس التنسيق. تعمل الأمثلة كقوالب توجّه هيكل مخرجات النموذج ومحتواه. تعتمد فعالية التعلم في السياق في التطبيقات المالية على جودة الأمثلة المقدمة. تستثمر المؤسسات المالية جهدًا كبيرًا في إنشاء مجموعات أمثلة عالية الجودة تظهر السلوك المرغوب عبر مجموعة من السيناريوهات. يجب أن تكون الأمثلة ممثلة لأنواع المدخلات التي سيواجهها النموذج ويجب أن تظهر تنسيق الإخراج الصحيح ومستوى التفاصيل والامتثال التنظيمي.

مثال واقعي

يستخدم بنك استثماري كبير التعلم في السياق لنظام تحليل الأرباح المدعوم بالذكاء الاصطناعي. يتم تزويد النظام بـ 5 أمثلة لتحليل تقارير الأرباح كل منها يظهر تنسيق الإخراج المطلوب: جدول ملخص بالمقاييس الرئيسية وفقرة تحلل اتجاهات الإيرادات وفقرة عن الربحية وفقرة عن أداء القطاع وقسم عن المخاطر والتوقعات. تغطي الأمثلة أنواعًا مختلفة من الشركات وسيناريوهات الأرباح. عندما يتلقى النظام تقرير أرباح جديدًا، يطبق النمط الموضح في الأمثلة لتوليد تحليل شامل. تشير البنك إلى أن نهج التعلم في السياق يحقق 90٪ من دقة النموذج المضبوط بدقة دون الحاجة إلى بنية تحتية للتدريب أو صيانة مستمرة. تحتفظ البنك بمكتبة من 50 مجموعة أمثلة تغطي أنواع التحليل وتنسيقات المستندات والمتطلبات التنظيمية المختلفة.

لماذا يهم في التمويل

التعلم في السياق هو قدرة تحويلية للذكاء الاصطناعي المالي لأنه يمكن التكيف السريع مع المهام الجديدة دون تكلفة وتعقيد الضبط الدقيق. لدى المؤسسات المالية مئات المهام المتخصصة من تحليل أنواع المستندات المختلفة إلى إنشاء تقارير تنظيمية مختلفة وسيكون الضبط الدقيق لنموذج لكل مهمة غير عملي. يسمح التعلم في السياق لنموذج واحد بأداء العديد من المهام المختلفة مع تحديد المهمة في الاستفسار. تعتمد جودة التعلم في السياق على الأمثلة المقدمة مما يجعل تصميم الأمثلة مهارة مهمة لممارسي الذكاء الاصطناعي المالي.

مصطلحات ذات صلة

التعلم ببعض الأمثلةالتعلم بدون أمثلةهندسة المطالباتنموذج اللغة الكبير (LLM)الضبط الدقيق (AI)

استكشف في Finatune

ClaudeGemini 2.5 Pro

أسئلة شائعة

ما هو التعلم في السياق في الذكاء الاصطناعي المالي؟

التعلم في السياق هو قدرة نماذج اللغة الكبيرة على تعلم أداء مهام جديدة من الأمثلة المقدمة في استفسار الإدخال دون تحديث المعلمات.

كيف يساعد التعلم في السياق في تحليل المستندات المالية؟

يساعد من خلال السماح للنموذج بالتكيف مع أنواع المستندات المختلفة وتنسيقات التحليل بناءً على الأمثلة المقدمة.

متى أستخدم التعلم في السياق مقابل الضبط الدقيق للتمويل؟

استخدم التعلم في السياق للتكيف السريع والضبط الدقيق للأداء الأقصى على مهمة محددة مستقرة.

المصطلح السابق: التعلم بدون أمثلة
المصطلح التالي: التقسيم إلى رموز (AI)
عرض جميع مصطلحات التكنولوجيا المالية