چرا هوش مصنوعی چیزی را که قبلاً گفتید از یاد می‌برد؟

در یک نگاه

زمینه

اطلاعات در دسترس برای همین پاسخ.

حافظه

یادداشت‌های انتخاب‌شده، اگر برنامه پشتیبانی کند.

آموزش

روش یادگیری الگوهای پایه مدل.

هوش مصنوعی برای هر پاسخ از چه ورودی استفاده می‌کند؟

زمینه یعنی ورودی در دسترس هنگام تولید پاسخ. می‌تواند پرسش، دستورها، پیام‌های قبلی و فایل یا نتیجه ابزار مرتبط را شامل شود. پنجره زمینه فضای کاری محدودی است. اندازه آن به مدل بستگی دارد؛ متن، تصویر و پاسخ جدید هم از این فضا استفاده می‌کنند.

منبع: Anthropic: Context windows

برنامه می‌تواند گفت‌وگوی طولانی را مدیریت کند

برنامه چت ممکن است پیام‌های قدیمی را خلاصه کند، بخشی را کنار بگذارد یا هنگام نیاز اطلاعات قبلی را بازیابی کند. محصولات این کار را یکسان انجام نمی‌دهند. بنابراین تاریخچه قابل مشاهده و ورودی فعلی لزوماً برابر نیستند. تصویر میز کار فقط یک تشبیه است، نه ساختار واقعی ذخیره‌سازی.

منبع: Anthropic: Context windows · Anthropic: Effective context engineering for AI agents · Claude Help Center: Chat search and memory

خلاصه ممکن است یک جزئیات را حذف کند

خلاصه کوتاه‌تر ممکن است هدف اصلی را نگه دارد، اما محدودیت دقیق، تاریخ یا تصمیمی را جا بیندازد. در مثال خیالی، برنامه‌ریزی سفر باقی می‌ماند و بودجه ۶۰۰ دلار حذف می‌شود. خلاصه‌سازی می‌تواند ادامه گفت‌وگو را ممکن کند، اما انتخاب اطلاعاتی که باید بماند مهم است.

منبع: Anthropic: Effective context engineering for AI agents

در دسترس بودن به معنی استفاده درست نیست

مدل می‌تواند جزئیاتی را که هنوز در ورودی هست نادیده بگیرد یا اشتباه استفاده کند. زمینه بزرگ‌تر، یادآوری بهتر یا پاسخ درست را تضمین نمی‌کند. نبودن یک محدودیت در ورودی با رعایت نکردن محدودیتی که در ورودی هست، دو خطای متفاوت است.

منبع: Anthropic: Context windows · Anthropic: Effective context engineering for AI agents

حافظه ذخیره‌شده چه تفاوتی با زمینه فعلی دارد؟

بعضی برنامه‌ها اطلاعات انتخاب‌شده را میان گفت‌وگوها نگه می‌دارند یا چت قبلی مرتبط را بازیابی می‌کنند. این قابلیت‌ها به محصول، تنظیمات و دسترسی بستگی دارند. این با وارد کردن همه پیام‌های قدیمی در هر پاسخ برابر نیست. یادداشت مهم را بررسی کنید و فرض نکنید کل تاریخچه همیشه فعال است.

منبع: Claude Help Center: Chat search and memory

یک پیام، آموزش فوری مدل نیست

آموزش مدل را تغییر می‌دهد تا الگوها را یاد بگیرد. پاسخ دادن معمولی که استنتاج نام دارد، مدل آموزش‌دیده را روی ورودی فعلی به کار می‌گیرد. فرستادن یک پیام به‌خودی‌خود مدل را همان لحظه دوباره آموزش نمی‌دهد. هر سرویس ممکن است سیاست جداگانه‌ای برای استفاده بعدی از داده چت داشته باشد؛ تنظیمات و شرایطش را بررسی کنید.

منبع: IBM: What is AI inference?

یک خلاصه به‌روز از کار نگه دارید

برای کار طولانی، هدف، محدودیت‌های قطعی و آخرین تصمیم‌ها را یکجا دوباره بنویسید. پیش از پاسخ از دستیار بخواهید محدودیت‌ها را فهرست کند و بعد نتیجه را با آن‌ها مقایسه کنید. این کار ورودی را بهتر می‌کند، اما درستی را تضمین نمی‌کند. نام، تاریخ و عدد مهم را در خروجی نهایی بررسی کنید.

منبع: Anthropic: Context windows · Anthropic: Effective context engineering for AI agents