الملخص
تحلل هذه الورقة البحثية استراتيجيات هندسة التوجيه لنموذج Claude، وهو نموذج لغوي ضخم مبني على الذكاء الاصطناعي الدستوري (CAI) من شركة Anthropic. يختلف تدريب Claude عن نماذج أخرى مثل GPT وGemini في جانبين: فهو يمر بمراحل صريحة للذكاء الاصطناعي الدستوري، ويتعرض بشكل مكثف لبيانات تدريب بتنسيق XML. ينتج عن هذين العاملين سلوك استجابة مميز، خاصةً عندما تكون التوجيهات عامة وغير منظمة. بالاستناد إلى أدبيات المحاذاة والتوجيه والسياق الطويل، نقترح إطار عمل للتوجيه المنظم يتكون من أربعة عناصر: تحديد الدور والسياق بشكل صريح، وهيكلة المدخلات باستخدام XML، والاستدلال الصريح خطوة بخطوة، والتحكم في المخرجات من خلال التعبئة المسبقة للاستجابة وتخزين التوجيهات مؤقتًا. تم توثيق إطار العمل بطريقة قابلة للتكرار ومراعية لبنية النموذج. نوضحه من خلال مقارنة نوعية مع اتفاقيات التوجيه في GPT-4 وGemini، ومن خلال مثال عملي لاستخراج البيانات المنظمة. تتوافق إعادة الهيكلة القائمة على لغة XML والاستدلال التدريجي بشكل وثيق مع تدريب كلود، ويقللان من غموض المخرجات عمليًا. مع ذلك، ينبغي استخدام نوافذ السياق الممتدة بحذر: تشير الأبحاث السابقة إلى انخفاض دقة الاسترجاع عندما تقع المعلومات المهمة في منتصف سياق طويل بدلًا من بدايته أو نهايته. نحن نعتبر التوجيه المنظم أسلوبًا منهجيًا قابلًا للتعليم، وليس مجرد سلسلة من الحيل المؤقتة، ونناقش فوائده هنا وصفًا نوعيًا؛ ونحث على إجراء دراسات تجريبية مستقبلية لاختبارها إحصائيًا.
