د لوی ژبې ماډلونه (LLM): په 2025 کې بشپړ لارښود
هرڅه چې تاسو اړتیا لرئ د LLM په اړه پوه شئ
پېژندنه
کله مو خپل سر کش کړی، حیران شوی یاست چې ګوګل یا الیکسا څنګه تاسو ته "ترلاسه" کوي؟ یا تاسو خپل ځان د کمپیوټر لخوا رامینځته شوی مقاله لوستلی چې په زړه پوري انسان ښکاري؟ تاسو یوازې نه یاست. دا وخت دی چې پرده بیرته راوباسئ او راز یې ښکاره کړئ: د لوی ژبې ماډلونه، یا LLMs.
دا څه دي، تاسو پوښتنه کوئ؟ د پټ جادوگرانو په توګه د LLMs په اړه فکر وکړئ. دوی زموږ ډیجیټل چیټ ځواکمن کوي، زموږ ګډوډ شوي جملې پوهیږي، او حتی زموږ په څیر لیکي. دوی زموږ ژوند بدلوي، ساینسي افسانه یو حقیقت جوړوي.
دا لارښود په ټولو شیانو LLM دی. موږ به وڅیړو چې دوی څه کولی شي، څه نشي کولی، او چیرته کارول کیږي. موږ به وګورو چې دوی څنګه په ساده او ساده ژبه موږ ټولو اغیزه کوي.
نو، راځئ چې LLMs ته زموږ په زړه پورې سفر پیل کړو.
دا لارښود د چا لپاره دی؟
دا پراخه لارښود د دې لپاره دی:
- تاسو ټول متشبثین او سولوپرینرانو چې په منظم ډول د ډیټا لوی مقدار کموي
- د AI او ماشین زده کړه یا مسلکي کسان چې د پروسې اصلاح کولو تخنیکونو سره پیل کوي
- د پروژې مدیران چې غواړي د دوی د AI ماډلونو یا AI لخوا پرمخ وړل شوي محصولاتو لپاره بازار ته ګړندي وخت پلي کړي
- او د تخنیک مینه وال چې د AI پروسو کې دخیل پرتونو توضیحاتو ته رسیدل خوښوي.

د لوی ژبې ماډلونه څه دي؟
د لویې ژبې ماډلونه (LLMs) پرمختللي مصنوعي استخبارات (AI) سیسټمونه دي چې د انسان په څیر متن پروسس کولو، پوهیدو او تولید لپاره ډیزاین شوي. دوی د ژورې زده کړې تخنیکونو پراساس دي او په پراخه ډیټاسیټونو کې روزل شوي، معمولا د مختلفو سرچینو لکه ویب پاڼې، کتابونو، او مقالو څخه ملیاردونه کلمې لري. دا پراخه روزنه LLMs ته دا توان ورکوي چې د ژبې، ګرامر، شرایطو، او حتی د عمومي پوهې ځینې اړخونه درک کړي.
ځینې مشهور LLMs، لکه د OpenAI GPT-3، یو ډول عصبي شبکه کاروي چې د ټرانسفارمر په نوم یادیږي، کوم چې دوی ته اجازه ورکوي چې د پام وړ مهارت سره د ژبې پیچلې دندې ترسره کړي. دا ماډل کولی شي ډیری دندې ترسره کړي، لکه:
- د پوښتنو ځوابونه
- د متن لنډیز
- ژبې ژباړل
- د منځپانګې تولید
- حتی د کاروونکو سره په متقابل خبرو اترو کې ښکیلتیا
لکه څنګه چې LLMs پراختیا ته دوام ورکوي، دوی په صنعتونو کې د پیرودونکو خدماتو او مینځپانګې رامینځته کولو څخه تر تعلیم او څیړنې پورې د مختلف غوښتنلیکونو وده او اتومات کولو عالي ظرفیت لري. په هرصورت، دوی اخلاقي او ټولنیزې اندیښنې هم راپورته کوي، لکه د تعصب چلند یا ناوړه ګټه اخیستنه، کوم چې باید د ټیکنالوژۍ پرمختګونو په توګه په ګوته شي.
د LLM ډیټا کارپس په جوړولو کې اړین فاکتورونه
تاسو باید په بریالیتوب سره د ژبې ماډلونو روزلو لپاره د معلوماتو هراړخیز کارپورس جوړ کړئ. پدې پروسه کې د پراخو معلوماتو راټولول او د دې لوړ کیفیت او تړاو تضمین کول شامل دي. راځئ هغه کلیدي اړخونه وګورو چې د ژبې ماډل روزنې لپاره د مؤثره ډیټا کتابتون په پراختیا کې د پام وړ اغیزه کوي.
د مقدار تر څنګ د ډیټا کیفیت ته لومړیتوب ورکړئ
د ژبې د ماډلونو د روزنې لپاره یو لوی ډیټاسیټ بنسټیز دی. بیا هم، د ډیټا کیفیت سره تړلی ډیر اهمیت شتون لري. هغه موډلونه چې په پراخو خو کمزوري جوړښت شوي ډیټا باندې روزل شوي کیدای شي ناسمې پایلې ولري.
برعکس، کوچني، په دقت سره جوړ شوي ډیټاسیټونه اکثرا د غوره فعالیت لامل کیږي. دا واقعیت د معلوماتو راټولولو لپاره د متوازن چلند اهمیت ښیې. د ډیټا نمایندګۍ، متنوع، او د موډل ټاکل شوي ساحې پورې اړوند د زړه پورې انتخاب، پاکولو، او تنظیم کولو ته اړتیا لري.
د مناسبو معلوماتو سرچینې غوره کړئ
د معلوماتو سرچینو انتخاب باید د ماډل ځانګړي غوښتنلیک اهدافو سره سمون ولري.
- هغه موډلونه چې خبرې اترې رامینځته کوي د سرچینو څخه ګټه پورته کوي لکه د خبرو اترو او مرکو ارزښتناکه دي.
- هغه موډلونه چې د کوډ تولید باندې تمرکز کوي به د ښه مستند شوي کوډ ذخیره کولو څخه ګټه پورته کړي.
- ادبي اثار او سکریپټونه د هغو کسانو لپاره د روزنې مواد وړاندې کوي چې تخلیقي لیکنې په نښه کوي.
تاسو باید هغه معلومات شامل کړئ چې غوښتل شوي ژبې او موضوعات پراخ کړي. دا تاسو سره مرسته کوي چې ماډل په خپل ټاکل شوي ډومین کې په مؤثره توګه ترسره کړي.
د مصنوعي معلوماتو تولید وکاروئ
د مصنوعي ډیټا سره ستاسو ډیټاسیټ وده کول کولی شي تشې ډکې کړي او د هغې لړۍ پراخه کړي. تاسو کولی شئ د مصنوعي ډیټا رامینځته کولو لپاره د ډیټا وده ، د متن تولید ماډلونه ، او د قواعدو پراساس نسل وکاروئ چې د ریښتیني نړۍ نمونې منعکس کوي. دا ستراتیژي د روزنې تنوع پراخه کوي ترڅو د ماډل انعطاف لوړ کړي او د تعصب کمولو کې مرسته وکړي.
ډاډ ترلاسه کړئ چې تاسو د مصنوعي ډیټا کیفیت تصدیق کړئ ترڅو دا د ماډل وړتیا کې مثبته مرسته وکړي ترڅو په خپل هدف ډومین کې ژبه پوهه او تولید کړي.
د اتوماتیک معلوماتو راټولول پلي کړئ
د معلوماتو راټولولو پروسې لپاره اتومات کول د تازه، اړونده معلوماتو دوامداره ادغام اسانه کوي. دا طریقه د معلوماتو استملاک تنظیموي، د توزیع وړتیا لوړوي، او د بیا تولید وړتیا هڅوي.
تاسو کولی شئ په اغیزمنه توګه د ویب سکریپینګ وسیلو، APIs، او د معلوماتو داخلولو چوکاټونو په کارولو سره مختلف ډیټاسیټونه راټول کړئ. تاسو کولی شئ دا وسیلې په لوړ کیفیت ، اړونده معلوماتو تمرکز کولو لپاره ښه تنظیم کړئ. دوی د ماډل لپاره د روزنې توکي غوره کوي. تاسو باید دا اتوماتیک سیسټمونه په دوامداره توګه وڅارئ ترڅو د دوی دقت او اخلاقي بشپړتیا وساتي.
د لویې ژبې ماډلونو مشهور مثالونه
دلته د LLMs یو څو مهم مثالونه دي چې په پراخه کچه په مختلف صنعت عمودی کې کارول کیږي:
د انځور سرچینه: د معلوماتو ساینس په لور
د لوی ژبو ماډلونو (LLMs) د جوړولو بلاکونو پوهیدل
د LLMs وړتیاوې او کار په بشپړ ډول درک کولو لپاره ، دا مهمه ده چې ځان د ځینې کلیدي مفاهیمو سره آشنا کړو. پدې کې شامل دي:
ټکي دننه کول
دا په عددي بڼه کې د کلمو ژباړلو تمرین ته اشاره کوي چې د AI ماډلونه یې تشریح کولی شي. په اصل کې، د کلمې سرایت د AI ژبه ده. هره کلمه د لوړ ابعادي ویکتور په توګه ښودل کیږي چې د روزنې ډیټا کې د دې شرایطو پراساس خپل سیمانټیک معنی پوښي. دا ویکتورونه AI ته اجازه ورکوي چې د کلمو ترمینځ اړیکې او ورته والی درک کړي ، د ماډل پوهه او فعالیت ته وده ورکوي.
د پاملرنې میکانیزمونه
دا پیچلي برخې د AI ماډل سره مرسته کوي چې د ان پټ متن دننه ځینې عناصرو ته د نورو په پرتله لومړیتوب ورکړي کله چې محصول تولیدوي. د بیلګې په توګه، په یوه جمله کې چې د مختلفو احساساتو څخه ډک وي، د پاملرنې میکانیزم ممکن د احساساتو لرونکي کلمو ته لوړ وزن ورکړي. دا ستراتیژي AI ته وړتیا ورکوي چې ډیر دقیق او دقیق ځوابونه رامینځته کړي.
ترانسفرمرونو
ټرانسفارمرونه د عصبي شبکې پرمختللي جوړښت نمایندګي کوي چې په پراخه کچه د LLM څیړنې کې ګمارل شوي. هغه څه چې ټرانسفارمرونه جلا کوي د دوی د ځان پاملرنې میکانیزم دی. دا میکانیزم موډل ته اجازه ورکوي چې په ترتیب سره د ان پټ ډیټا ټولې برخې په ورته وخت کې وزن او په پام کې ونیسي. پایله په متن کې د اوږدمهاله انحصارونو اداره کولو کې پرمختګ دی ، د طبیعي ژبې پروسس کولو کارونو کې یوه عامه ننګونه.
ښایسته تونینګ
حتی خورا پرمختللي LLMs په ځانګړو دندو یا ډومینونو کې د غوره کولو لپاره ځینې ګنډلو ته اړتیا لري. دا هغه ځای دی چې ښه ټیوننګ پکې راځي. وروسته له دې چې ماډل په لومړي سر کې په لوی ډیټا سیټ کې روزل کیږي ، دا نور اصالح کیدی شي ، یا په کوچني ، ډیر مشخص ډیټا سیټ کې 'ښه ټون' کیدی شي. دا پروسه موډل ته اجازه ورکوي چې د خپلې ژبې د پوهیدو عمومي وړتیاوې د یوې ځانګړې دندې یا شرایطو سره تطابق کړي.
سمدستي انجینري
د ان پټ پرامپټس د LLMs لپاره د پیل ټکي په توګه کار کوي ترڅو محصول تولید کړي. د دې پرامپټونو په مؤثره توګه چمتو کول، یو تمرین چې د پرامپټ انجینرۍ په نوم پیژندل کیږي، کولی شي د ماډل ځوابونو کیفیت خورا اغیزمن کړي. دا د هنر او ساینس ترکیب دی چې د دې په اړه ژورې پوهې ته اړتیا لري چې ماډل څنګه تشریح کوي او ځوابونه رامینځته کوي.
بیاب
لکه څنګه چې LLMs د هغه معلوماتو څخه زده کوي چې دوی یې روزلي دي، پدې ډاټا کې موجود هر ډول تعصب کولی شي د ماډل چلند ته نفوذ وکړي. دا کیدای شي د ماډل په پایلو کې د تبعیض یا غیر عادلانه تمایلاتو په توګه څرګند شي. د دې تعصبونو په نښه کول او کمول د AI په ډګر کې یوه مهمه ننګونه ده او د اخلاقي پلوه سالم LLMs رامینځته کولو یو مهم اړخ دی.
تشریح
د LLMs پیچلتیا ته په پام سره ، پدې پوهیدل چې ولې دوی ځانګړي پریکړې کوي یا ځانګړي محصولات رامینځته کوي ننګونه کیدی شي. دا ځانګړتیا چې د تشریح کولو په نوم پیژندل کیږي، د روانې څیړنې کلیدي ساحه ده. د تفسیر وړتیا لوړول نه یوازې د ستونزو حل کولو او ماډل اصلاح کې مرسته کوي ، بلکه دا د AI سیسټمونو باور او روڼتیا هم پیاوړې کوي.
د LLM ماډل څنګه روزل کیږي؟
د ژبې د لویو موډلونو (LLMs) روزنه یو خورا مهم کار دی چې ډیری مهم ګامونه پکې شامل دي. دلته د پروسې یو ساده، ګام په ګام پړاو دی:
- د متن ډاټا راټولول: د LLM روزنه د متن ډیټا لوی مقدار راټولولو سره پیل کیږي. دا معلومات د کتابونو، ویب پاڼو، مقالو، یا ټولنیزو رسنیو پلیټونو څخه راځي. موخه دا ده چې د انساني ژبې بډایه تنوع ترلاسه کړي.
- د معلوماتو پاکول: د خام متن ډیټا بیا په یوه پروسه کې تنظیم کیږي چې د پری پروسس کولو په نوم یادیږي. پدې کې دندې شاملې دي لکه د ناغوښتل شوي کرکټرونو لرې کول ، متن په کوچنیو برخو ویشل چې د ټوکن په نوم یادیږي ، او دا ټول په داسې شکل کې ترلاسه کول چې ماډل ورسره کار کولی شي.
- د معلوماتو ویشل: بیا، پاک معلومات په دوو سیټونو ویشل شوي. یو سیټ، د روزنې ډاټا به د ماډل روزلو لپاره وکارول شي. بله سیټ، د اعتبار ډاټا به وروسته د ماډل فعالیت ازموینې لپاره وکارول شي.
- د ماډل تنظیم کول: د LLM جوړښت، چې د معمارۍ په نوم پیژندل کیږي، بیا تعریف شوی. پدې کې د عصبي شبکې ډول غوره کول او د مختلف پیرامیټونو په اړه پریکړه کول شامل دي ، لکه د پرتونو شمیر او په شبکه کې پټ واحدونه.
- د ماډل روزنه: اصلي روزنه اوس پیل کیږي. د LLM ماډل د روزنې ډیټا ته په کتلو سره زده کوي، د هغه څه پراساس وړاندوینې کوي چې تر دې دمه یې زده کړي، او بیا خپل داخلي پیرامیټونه تنظیموي ترڅو د دې وړاندوینو او ریښتیني معلوماتو ترمینځ توپیر کم کړي.
- د ماډل چک کول: د LLM ماډل زده کړه د اعتبار معلوماتو په کارولو سره چک کیږي. دا مرسته کوي چې وګوري چې ماډل څومره ښه فعالیت کوي او د غوره فعالیت لپاره د ماډل تنظیمات ټیک کړئ.
- د موډل په کارولو سره: د روزنې او ارزونې وروسته، د LLM ماډل د کارولو لپاره چمتو دی. دا اوس په غوښتنلیکونو یا سیسټمونو کې مدغم کیدی شي چیرې چې دا به د ورکړل شوي نوي معلوماتو پراساس متن رامینځته کړي.
- د ماډل ښه کول: په نهایت کې ، تل د پرمختګ لپاره ځای شتون لري. د LLM ماډل د وخت په تیریدو سره نور هم اصلاح کیدی شي ، د تازه معلوماتو په کارولو سره یا د فیډبیک او ریښتیني نړۍ کارولو پراساس تنظیمات تنظیم کول.
په یاد ولرئ، دا پروسه د پام وړ کمپیوټري سرچینو ته اړتیا لري، لکه د ځواکمن پروسس کولو واحدونه او لوی ذخیره، او همدارنګه د ماشین زده کړې کې ځانګړې پوهه. له همدې امله دا معمولا د وقف شوي څیړنیزو سازمانونو یا شرکتونو لخوا ترسره کیږي چې اړین زیربنا او تخصص ته لاسرسی لري.
ایا LLM په نظارت شوي یا غیر څارل شوي زده کړې تکیه کوي؟
د ژبې لوی ماډلونه معمولا د یوې میتود په کارولو سره روزل کیږي چې د نظارت شوي زده کړې په نوم یادیږي. په ساده اصطلاحاتو کې، دا پدې مانا ده چې دوی د مثالونو څخه زده کوي چې سم ځوابونه ښیي.
نو، که تاسو د LLM یوه جمله وخورئ، دا هڅه کوي د راتلونکي کلمې یا جملې وړاندوینه د هغه څه پراساس چې د مثالونو څخه یې زده کړي. پدې توګه ، دا زده کوي چې څنګه متن رامینځته کړي چې معنی لري او د شرایطو سره سمون لري.
دې وویل، ځینې وختونه LLMs یو څه غیر څارل شوي زده کړې هم کاروي. دا داسې دی لکه ماشوم ته اجازه ورکړئ چې د مختلف لوبو څخه ډکه کوټه وپلټئ او پخپله یې زده کړئ. ماډل بې لیبل شوي ډاټا، د زده کړې نمونې، او جوړښتونو ته ګوري پرته له دې چې "سمه" ځوابونه وویل شي.
څارل شوي زده کړه هغه معلومات کاروي چې د معلوماتو او محصولاتو سره لیبل شوي وي، د غیر څارل شوي زده کړې برعکس، کوم چې د لیبل شوي محصول ډاټا نه کاروي.
په لنډه توګه، LLMs په عمده توګه د نظارت شوي زده کړې په کارولو سره روزل کیږي، مګر دوی کولی شي د غیر نظارت شوي زده کړې څخه هم د خپلو وړتیاو د لوړولو لپاره کار واخلي، لکه د سپړنې تحلیل او د ابعاد کمولو لپاره.
د یوې لویې ژبې ماډل روزلو لپاره د ډیټا حجم (په GB کې) څه شی دی؟
د وینا ډیټا پیژندنې او غږ غوښتنلیکونو لپاره د امکاناتو نړۍ خورا پراخه ده ، او دوی په ډیری صنعتونو کې د غوښتنلیکونو ډیری لپاره کارول کیږي.
د یوې لویې ژبې ماډل روزنه د یوې اندازې سره سمون نه لري - ټول بهیر، په ځانګړې توګه کله چې دا اړین معلوماتو ته راځي. دا د شیانو په ډله پورې اړه لري:
- د ماډل ډیزاین.
- کوم کار ته اړتیا لري؟
- د معلوماتو ډول چې تاسو یې کاروئ.
- تاسو څومره ښه کار کول غواړئ؟
دې وویل، د LLMs روزنه معمولا د متن ډیټا لوی مقدار ته اړتیا لري. مګر موږ څومره لوی په اړه خبرې کوو؟ ښه، د ګیګابایټ (GB) څخه هاخوا فکر وکړئ. موږ معمولا د ټرابایټ (TB) یا حتی پیټابایټ (PB) ډیټا ګورو.
GPT-3 په پام کې ونیسئ، شاوخوا یو له لوی LLMs څخه. روزل کیږي د متن ډاټا 570 GB. کوچني LLMs ممکن لږ ته اړتیا ولري - شاید 10-20 GB یا حتی 1 GB ګیګابایټ - مګر دا لاهم ډیر دی.
مګر دا یوازې د معلوماتو اندازې په اړه ندي. کیفیت هم مهم دی. معلومات باید پاک او متنوع وي ترڅو موډل سره په اغیزمنه توګه زده کړه وکړي. او تاسو نشئ کولی د پزل نورو کلیدي برخو په اړه هیر کړئ، لکه د کمپیوټر ځواک چې تاسو ورته اړتیا لرئ، هغه الګوریتمونه چې تاسو یې د روزنې لپاره کاروئ، او د هارډویر ترتیب چې تاسو یې لرئ. دا ټول فکتورونه د LLM په روزنه کې لوی رول لوبوي.
د لوی ژبې ماډلونو وده: ولې دوی مهم دي
LLMs نور یوازې یو مفهوم یا تجربه نه ده. دوی په زیاتیدونکي توګه زموږ په ډیجیټل منظره کې مهم رول لوبوي. خو ولې داسې کېږي؟ څه شی دا LLMs دومره مهم کوي؟ راځئ چې ځینې کلیدي فکتورونو ته پام وکړو.
د انسان متن په نقل کولو کې مهارت
LLMs هغه طریقه بدله کړې چې موږ یې د ژبې پر بنسټ دندې ترسره کوو. د قوي ماشین زده کړې الګوریتمونو په کارولو سره رامینځته شوي ، دا ماډلونه د دې وړتیا سره مجهز دي چې د انساني ژبې په باریکیو پوه شي ، پشمول د شرایطو ، احساساتو او حتی طنز په شمول. د انساني ژبې د تقلید کولو دا وړتیا یوازې یو نویتوب نه دی، دا د پام وړ اغیزې لري.
د LLMs پرمختللي متن تولید وړتیاوې کولی شي د مینځپانګې رامینځته کولو څخه د پیرودونکي خدماتو متقابل عمل پورې هرڅه ته وده ورکړي.
تصور وکړئ چې د ډیجیټل معاون څخه یوه پیچلې پوښتنه وپوښتئ او داسې ځواب ترلاسه کړئ چې نه یوازې معنی لري ، بلکه همغږي ، اړونده او په خبرو اترو کې وړاندې کیږي. دا هغه څه دي چې LLMs فعالوي. دوی یو ډیر هوښیار او ښکیل د انسان او ماشین متقابل عمل ته وده ورکوي، د کاروونکو تجربو بډایه کوي، او معلوماتو ته لاسرسۍ ډیموکراتیک کوي.
ارزانه کمپیوټري ځواک
د LLMs وده به د کمپیوټر په ساحه کې د موازي پرمختګونو پرته ممکنه نه وه. په ځانګړې توګه، د کمپیوټري سرچینو ډیموکراتیک کول د LLMs په تکامل او تصویب کې مهم رول لوبولی دی.
د کلاوډ پر بنسټ پلیټ فارمونه د لوړ فعالیت کمپیوټري سرچینو ته بې ساري لاسرسي وړاندیز کوي. په دې توګه، حتی کوچني سازمانونه او خپلواک څیړونکي کولی شي د ماشین زده کړې پیچلي ماډلونه وروزي.
برسېره پردې، د پروسس کولو واحدونو کې پرمختګونه (لکه GPUs او TPUs)، د ویشل شوي کمپیوټینګ د زیاتوالي سره یوځای، د ملیاردونو پیرامیټونو سره د ماډلونو روزل ممکنه کړي. د کمپیوټري بریښنا ته د لاسرسي دا زیاتوالی د LLMs وده او بریا ته وده ورکوي ، چې په ساحه کې د ډیر نوښت او غوښتنلیکونو لامل کیږي.
د پیرودونکو غوره توبونو بدلول
نن ورځ مصرف کونکي یوازې ځوابونه نه غواړي؛ دوی ښکیل او اړونده تعامل غواړي. لکه څنګه چې ډیر خلک د ډیجیټل ټیکنالوژۍ په کارولو سره وده کوي، دا څرګنده ده چې د ټیکنالوژۍ اړتیا چې د طبیعي او انسان په څیر احساس کوي مخ په زیاتیدو دی. LLMs د دې تمې پوره کولو لپاره بې ساري فرصت وړاندې کوي. د انسان په څیر متن رامینځته کولو سره ، دا ماډل کولی شي ښکیل او متحرک ډیجیټل تجربې رامینځته کړي ، کوم چې کولی شي د کارونکي رضایت او وفاداري زیاته کړي. که دا د AI چیټ بوټونه د پیرودونکي خدمت چمتو کوي یا د غږ معاونین د خبرونو تازه معلومات چمتو کوي ، LLMs د AI دورې پیل کوي چې موږ ته ښه پوهیږي.
د غیر ساختماني معلوماتو د سرو زرو ماین
غیر منظم شوي ډاټا، لکه بریښنالیکونه، د ټولنیزو رسنیو پوسټونه، او د پیرودونکو بیاکتنې، د بصیرت خزانه ده. اټکل کیږي چې دا پای ته رسیدلی ۸۵٪ د تصدۍ ډیټا غیر منظم او په نرخ کې وده کوي ۸۵٪ په کال کې. دا معلومات د سوداګرۍ لپاره د سرو زرو کان دی که چیرې په سمه توګه ګټه پورته شي.
LLMs دلته په لوبو کې راځي، د دوی د پروسس کولو او په پیمانه د داسې معلوماتو احساس کولو وړتیا سره. دوی کولی شي دندې لکه د احساساتو تحلیل، د متن طبقه بندي، د معلوماتو استخراج، او نور ترسره کړي، په دې توګه ارزښتناکه بصیرت چمتو کوي.
که دا د ټولنیزو رسنیو پوسټونو رجحانات وپیژني یا د بیاکتنې څخه د پیرودونکو احساساتو اندازه کول وي، LLMs د سوداګرۍ سره مرسته کوي چې د غیر منظم شوي ډیټا لوی مقدار حرکت وکړي او د ډیټا لخوا پرمخ وړل شوي پریکړې وکړي.
د NLP بازار پراخول
د LLMs احتمال د طبیعي ژبې پروسس کولو (NLP) لپاره په ګړندۍ وده کونکي بازار کې منعکس کیږي. شنونکي د NLP بازار د پراختیا لپاره وړاندیز کوي په 11 کې 2020 ملیارد ډالر تر 35 پورې 2026 ملیارد ډالرو ته. مګر دا یوازې د بازار اندازه نه ده چې پراخیږي. ماډلونه پخپله هم وده کوي، دواړه په فزیکي اندازې او د پیرامیټونو په شمیر کې چې دوی اداره کوي. د کلونو په اوږدو کې د LLMs تحول، لکه څنګه چې په لاندې انځور کې لیدل شوي (د انځور سرچینه: لینک)، د دوی مخ په زیاتیدونکي پیچلتیا او ظرفیت په ګوته کوي.
د لویې ژبې ماډلونو مشهور استعمال قضیې
دلته د LLM ځینې غوره او خورا مشهورې قضیې دي:
- د طبیعي ژبې متن جوړول: د لوی ژبې ماډلونه (LLMs) د مصنوعي استخباراتو او کمپیوټري ژبپوهنې ځواک سره یوځای کوي ترڅو په خپلواکه توګه په طبیعي ژبه متنونه تولید کړي. دوی کولی شي د کاروونکو متنوع اړتیاوې پوره کړي لکه د مقالو لیکل کول، سندرې جوړول، یا د کاروونکو سره په خبرو اترو کې ښکیلتیا.
- د ماشینونو له لارې ژباړه: LLMs د هرې جوړې ژبې تر مینځ د متن ژباړلو لپاره په مؤثره توګه کارول کیدی شي. دا ماډلونه د ژورې زده کړې الګوریتمونو څخه ګټه پورته کوي لکه تکراري عصبي شبکې ترڅو د سرچینې او هدف دواړو ژبو ژبني جوړښت درک کړي، په دې توګه په مطلوبه ژبه کې د سرچینې متن ژباړه اسانه کوي.
- د اصلي منځپانګې جوړول: LLMs د ماشینونو لپاره لارې خلاصې کړي ترڅو همغږي او منطقي مینځپانګې رامینځته کړي. دا مینځپانګه د بلاګ پوسټونو ، مقالو او نورو ډولونو مینځپانګې رامینځته کولو لپاره کارول کیدی شي. ماډلونه د دوی ژورې ژورې زده کړې تجربې ته د نوي او کارونکي دوستانه ډول مینځپانګې فارمیټ او جوړښت لپاره کاروي.
- د احساساتو تحلیل: د لویې ژبې ماډلونو یو زړه راښکونکی غوښتنلیک د احساساتو تحلیل دی. پدې کې، ماډل روزل کیږي چې په تشریح شوي متن کې موجود احساساتي حالتونه او احساسات وپیژني او طبقه بندي کړي. سافټویر کولی شي احساسات وپیژني لکه مثبتیت، منفي، بې طرفي، او نور پیچلي احساسات. دا کولی شي د پیرودونکو نظرونو او د مختلفو محصولاتو او خدماتو په اړه نظرونو کې ارزښتناکه بصیرت چمتو کړي.
- د متن پوهیدل، لنډیز کول، او طبقه بندي کول: LLMs د AI سافټویر لپاره یو وړ جوړښت رامینځته کوي ترڅو متن او د هغې شرایط تشریح کړي. موډل ته د معلوماتو په پراخه کچه د پوهیدو او څیړلو لارښوونه کولو سره، LLMs د AI ماډلونه د پوهیدو، لنډیز کولو، او حتی متن په متنوع ډولونو او نمونو کې طبقه بندي کولو توان ورکوي.
- د پوښتنو ځوابونه: د لویې ژبې موډلونه د پوښتنې ځواب ورکولو (QA) سیسټمونه د دې وړتیا سره سمبالوي چې د کارونکي طبیعي ژبې پوښتنې ته دقیق درک او ځواب ورکړي. د دې کارونې قضیې مشهور مثالونه ChatGPT او BERT شامل دي، کوم چې د پوښتنې شرایط معاینه کوي او د متنونو پراخه ټولګه له لارې ګوري ترڅو د کاروونکو پوښتنو ته اړوند ځوابونه وړاندې کړي.
د LLM ډیټا ستراتیژیو کې د امنیت او موافقت ادغام
د LLM ډیټا راټولولو او پروسس کولو چوکاټونو کې د قوي امنیت او اطاعت اقداماتو ځای په ځای کول کولی شي تاسو سره د معلوماتو شفاف ، خوندي او اخلاقي کارونې ډاډ ترلاسه کولو کې مرسته وکړي. دا طریقه څو کلیدي کړنې لري:
- قوي کوډ کول پلي کړئ: د قوي کوډ کولو میتودونو په کارولو سره د آرام او لیږد په وخت کې ډاټا خوندي کړئ. دا ګام معلومات د غیر مجاز لاسرسي او سرغړونو څخه ساتي.
- د لاسرسي کنټرول او تصدیق تاسیس کړئ: د کارونکي پیژندنې تصدیق کولو او معلوماتو ته د لاسرسي محدودولو لپاره سیسټمونه تنظیم کړئ. دا به ډاډ ترلاسه کړي چې یوازې مجاز پرسونل کولی شي د حساس معلوماتو سره اړیکه ونیسي.
- د ننوتلو او څارنې سیسټمونه یوځای کول: د ډیټا کارولو تعقیب او احتمالي امنیتي ګواښونو پیژندلو لپاره سیسټمونه ځای په ځای کړئ. دا فعاله څارنه د ډیټا ایکوسیستم بشپړتیا او خوندیتوب ساتلو کې مرسته کوي.
- د اطاعت معیارونو ته غاړه کیږدئ: اړونده مقررات تعقیب کړئ لکه GDPR، HIPAA، او PCI DSS، کوم چې د معلوماتو امنیت او محرمیت اداره کوي. منظمې پلټنې او چکونه د اطاعت تصدیق کوي، ډاډ ترلاسه کوي چې کړنې د صنعت ځانګړي قانوني او اخلاقي معیارونه پوره کوي.
- د اخالقي معلوماتو کارولو لارښوونې تنظیم کړئ: د پالیسیو جوړول او پلي کول چې د معلوماتو عادلانه، شفاف او حساب ورکوونکي استعمال حکم کوي. دا لارښوونې د برخه اخیستونکو باور ساتلو کې مرسته کوي او د LLMs لپاره د روزنې خوندي چاپیریال ملاتړ کوي.
دا کړنې په ټولیز ډول د LLM روزنې لپاره د معلوماتو مدیریت کړنې پیاوړې کوي. دا د باور او امنیت بنسټ جوړوي چې د ټولو ښکیلو اړخونو څخه ګټه پورته کوي.
د یوې لویې ژبې ماډل ښه تنظیم کول
د ژبې د یوې لویې موډل په سمه توګه سمبالول د تشریح کولو یوه پیچلې پروسه شامله ده. شیپ، په دې برخه کې د خپل تخصص سره، کولی شي په دې هڅه کې د پام وړ مرسته وکړي. دلته د تشریح کولو ځینې میتودونه دي چې د ماډلونو روزنې لپاره کارول کیږي لکه ChatGPT:
د وینا برخه (POS) نښه کول
په جملو کې کلمې د خپل ګرامري فعالیت سره په نښه شوي لکه فعلونه، اسمونه، صفتونه او نور. دا پروسه د ګرامر په پوهیدو او د کلمو ترمنځ د اړیکو په پوهیدو کې د ماډل سره مرسته کوي.
نومول شوی وجود پیژندنه (NER)
نومول شوي ادارې لکه سازمانونه، ځایونه او خلک په یوه جمله کې په نښه شوي. دا تمرین موډل سره د کلمو او جملو د معنی معنی تشریح کولو کې مرسته کوي او ډیر دقیق ځوابونه وړاندې کوي.
د احساس تحلیل
د متن ډیټا د احساساتو لیبلونه ګمارل شوي لکه مثبت، غیر جانبدار، یا منفي، د ماډل سره مرسته کوي د جملو احساساتي زیربنا په پوهیدو کې. دا په ځانګړي ډول د احساساتو او نظرونو پوښتنو ته ځواب ویلو کې ګټور دی.
د اصلي ریزولوشن
د مثالونو پیژندل او حل کول چیرې چې ورته وجود د متن په بیلابیلو برخو کې راجع کیږي. دا ګام موډل سره مرسته کوي چې د جملې په شرایطو پوه شي، په دې توګه د همغږي ځوابونو لامل کیږي.
د متن طبقه بندي
د متن ډاټا په مخکینیو ګروپونو کې طبقه بندي شوي لکه د محصول بیاکتنې یا خبر مقالې. دا موډل سره د متن د ژانر یا موضوع په پیژندلو کې مرسته کوي، ډیر مناسب ځوابونه تولیدوي.
سیپ کولی شي د مختلف سکټورونو لکه بانکدارۍ، بیمې، پرچون، او مخابراتو څخه د ویب کرال کولو له لارې د روزنې معلومات راټول کړي. موږ کولی شو د متن تشریح (NER، د احساساتو تحلیل، او نور) چمتو کړو، څو ژبني LLM (ژباړه) اسانه کړو، او د ټیکونومي جوړولو، استخراج/پرامپټ انجینرۍ کې مرسته وکړو.
شیپ د شیلف څخه بهر ډیټاسیټونو پراخه ذخیره لري. زموږ د طبي معلوماتو کتلاګ د AI نوښتونو، د ماشین زده کړې موډلونو، او د طبیعي ژبې پروسس کولو لپاره مناسب نه پیژندل شوي، خوندي، او کیفیت لرونکي ډیټا پراخه ټولګه لري.
په ورته ډول، زموږ د وینا ډیټا کتلاګ د لوړ کیفیت ډیټا یوه خزانه ده چې د غږ پیژندنې محصولاتو لپاره مناسبه ده، د AI/ML موډلونو اغیزمنه روزنه وړوي. موږ د مختلف غوښتنلیکونو لپاره د عکس او ویډیو ډیټا پراخه لړۍ سره د کمپیوټر لید لید ډیټا کتلاګ هم لرو.
موږ حتی ستاسو په AI او ML پروژو کې د کارولو لپاره وړیا ډیټاسیټونه د بدلون وړ او مناسب شکل کې وړاندیز کوو. دا پراخه AI ډیټا کتابتون تاسو ته ځواک درکوي چې خپل AI او ML ماډلونه په ډیر مؤثره او دقیق ډول رامینځته کړئ.
د شیپ د معلوماتو راټولولو او تشریح کولو پروسه
کله چې دا د معلوماتو راټولولو او تشریح کولو ته راځي، سیپ یو منظم کاري جریان تعقیبوي. دلته د معلوماتو راټولولو پروسه څه ډول ښکاري:
د سرچینې ویب پاڼې پیژندنه
په پیل کې، ویب پاڼې د ټاکل شوي سرچینو او کلیدي کلمو په کارولو سره په ګوته شوي چې د اړین معلوماتو سره تړاو لري.
ګورت سکرېپټ
یوځل چې اړونده ویب پاڼې وپیژندل شي، شیپ د دې سایټونو څخه ډاټا سکریپ کولو لپاره خپل ملکیت وسیله کاروي.
د متن پری پروسس کول
راټول شوي معلومات د ابتدايي پروسس څخه تیریږي، کوم چې د جملې ویشل او تجزیه کول شامل دي، دا د نورو ګامونو لپاره مناسب کوي.
نوټ
مخکې پروسس شوي ډاټا د نوم شوي ادارې استخراج لپاره تشریح شوي. دا پروسه په متن کې د مهمو عناصرو پیژندل او لیبل کول شامل دي، لکه د خلکو نومونه، سازمانونه، ځایونه، او نور.
د اړیکو استخراج
په وروستي ګام کې، د پیژندل شویو ادارو ترمنځ د اړیکو ډولونه ټاکل کیږي او د هغې مطابق تشریح شوي. دا د متن د مختلفو برخو ترمنځ د سیمانټیک اړیکو په پوهیدو کې مرسته کوي.
د شیپ وړاندیز
سیپ د سازمانونو سره د دوی ډیری ډیټا اداره کولو ، تحلیل کولو او ترلاسه کولو کې د مرستې لپاره پراخه خدمات وړاندې کوي.
د معلوماتو ویب سکریپینګ
د شیپ لخوا وړاندیز شوی یو کلیدي خدمت د ډیټا سکریپینګ دی. پدې کې د ډومین ځانګړي URLs څخه د معلوماتو استخراج شامل دي. د اتوماتیک وسیلو او تخنیکونو په کارولو سره، شیپ کولی شي په چټکه او اغیزمنه توګه د مختلفو ویب پاڼو، د محصول لارښودونو، تخنیکي اسنادو، آنلاین فورمونو، آنلاین بیاکتنې، د پیرودونکو خدماتو ډاټا، د صنعت تنظیمي اسنادو او داسې نورو څخه د ډیټا لوی مقدار سکریپ کړي. دا پروسه د سوداګرۍ لپاره ارزښتناکه کیدی شي کله چې د ډیری سرچینو څخه د اړونده او مشخصو معلوماتو راټولول.
ماشین ژباړه
د پراخو څو ژبو ډیټاسیټونو په کارولو سره ماډلونه رامینځته کړئ چې په مختلفو ژبو کې د متن ژباړلو لپاره د اړونده لیږدونو سره جوړه شوي. دا پروسه د ژبني خنډونو په له منځه وړلو کې مرسته کوي او معلوماتو ته د لاسرسي وده هڅوي.
ټکسونومي استخراج او جوړول
شیپ کولی شي د ټیکسونومي استخراج او رامینځته کولو کې مرسته وکړي. پدې کې د ډیټا طبقه بندي کول او په یو جوړښت شوي شکل کې طبقه بندي کول شامل دي چې د مختلف ډیټا ټکو ترمینځ اړیکې منعکس کوي. دا د سوداګرۍ لپاره په ځانګړي ډول د دوی ډیټا تنظیم کولو کې ګټور کیدی شي ، دا د لاسرسي وړ او تحلیل کول اسانه کوي. د مثال په توګه، د ای کامرس سوداګرۍ کې، د محصول ډاټا کیدای شي د محصول ډول، نښې، قیمت، او نور پر بنسټ طبقه بندي شي، دا د پیرودونکو لپاره د محصول کتلاګ نیویګیټ اسانه کوي.
د ډاټا ټولګه
زموږ د معلوماتو راټولولو خدمتونه د تولیدي AI الګوریتمونو روزنې او ستاسو د ماډلونو دقت او مؤثریت ښه کولو لپاره اړین ریښتیني نړۍ یا مصنوعي ډیټا چمتو کوي. ډاټا بې طرفه، اخلاقي او مسؤلیت لرونکي سرچینه ده پداسې حال کې چې د معلوماتو محرمیت او امنیت په پام کې نیولو سره.
پوښتنه او ځواب
د پوښتنو ځواب ورکول (QA) د طبیعي ژبې پروسس کولو فرعي ساحه ده چې د انسان په ژبه کې په اتوماتيک ډول پوښتنو ته ځواب ویلو باندې تمرکز کوي. د QA سیسټمونه په پراخه متن او کوډونو کې روزل شوي، دوی ته دا توان ورکوي چې مختلف ډوله پوښتنې اداره کړي، پشمول د حقیقي، تعریفي، او نظر پر بنسټ. د ډومین پوهه د QA ماډلونو رامینځته کولو لپاره خورا مهم دی چې د ځانګړو برخو لکه پیرودونکي ملاتړ ، روغتیا پاملرنې ، یا اکمالاتو سلسله سره مطابقت لري. په هرصورت، تولیدي QA طریقې موډلونو ته اجازه ورکوي چې د ډومین پوهې پرته متن تولید کړي، یوازې په شرایطو تکیه کوي.
زموږ د متخصصینو ټیم کولی شي په دقت سره هراړخیز سندونه یا لارښودونه مطالعه کړي ترڅو د پوښتنو - ځوابونو جوړه رامینځته کړي ، د سوداګرۍ لپاره د تولید AI رامینځته کول اسانه کوي. دا طریقه کولی شي په مؤثره توګه د یو پراخه کارپس څخه د اړونده معلوماتو د کان کیندنې له لارې د کاروونکو پوښتنو سره مبارزه وکړي. زموږ تصدیق شوي ماهرین د لوړ کیفیت Q&A جوړه تولید یقیني کوي چې په متنوع موضوعاتو او ډومینونو کې پراخیږي.
د متن لنډیز
زموږ متخصصین د هراړخیزو خبرو اترو یا اوږده ډیالوګونو د مینځلو وړتیا لري، د پراخ متن ډیټا څخه لنډ او بصیرت وړ لنډیز وړاندې کوي.
د متن نسل
په متنوع سټایلونو کې د متن پراخه ډیټا سیټ په کارولو سره ماډلونه روزل ، لکه خبر مقالې ، افسانه او شاعري. دا ماډلونه بیا کولی شي مختلف ډول مینځپانګې رامینځته کړي ، پشمول د خبرونو ټوټې ، د بلاګ ننوتل ، یا د ټولنیزو رسنیو پوسټونه ، د مینځپانګې رامینځته کولو لپاره د لګښت مؤثره او وخت خوندي کولو حل وړاندیز کوي.
د خبرو پیژندنه
د مختلف غوښتنلیکونو لپاره د ویل شوي ژبې د پوهیدو وړ ماډلونه رامینځته کړئ. پدې کې د غږ فعال شوي معاونین، د لیکلو سافټویر، او د ریښتیني وخت ژباړې وسیلې شاملې دي. په دې پروسه کې د یو هراړخیز ډیټا سیټ کارول شامل دي چې د ویل شوي ژبې آډیو ریکارډونه پکې شامل دي، د دوی اړوندو لیکونو سره یوځای شوي.
د محصول سپارښتنې
د پیرودونکو پیرود تاریخونو پراخه ډیټاسیټونو په کارولو سره ماډلونه رامینځته کړئ ، پشمول د لیبلونو په شمول چې هغه محصولات په ګوته کوي چې پیرودونکي پیرود ته لیوال دي. موخه دا ده چې پیرودونکو ته دقیق وړاندیزونه وړاندې کړئ، په دې توګه د پلور وده او د پیرودونکو رضایت لوړول.
د انځور سرلیک کول
زموږ د عصري ، AI لخوا پرمخ وړل شوي عکس کیپشن خدمت سره ستاسو د عکس تشریح کولو پروسه کې انقلاب وکړئ. موږ د کره او متناسب معنی لرونکي توضیحاتو په تولید سره عکسونو ته حیاتي ځواک ورکوو. دا ستاسو د لیدونکو لپاره ستاسو د لید مینځپانګې سره د نوښت ښکیلتیا او متقابل عمل امکاناتو ته لاره هواروي.
د متن څخه تر وینا خدماتو روزنه
موږ یو پراخه ډیټاسیټ چمتو کوو چې پکې د انساني وینا آډیو ریکارډونه شامل دي ، د AI ماډلونو روزنې لپاره مثالی. دا ماډلونه د دې وړتیا لري چې ستاسو غوښتنلیکونو لپاره طبیعي او ښکیل غږونه رامینځته کړي ، پدې توګه ستاسو کاروونکو لپاره یو ځانګړی او عمیق غږ تجربه وړاندې کوي.
زموږ د متنوع ډیټا کتلاګ ډیزاین شوی ترڅو د ډیری تولیدي AI کارونې قضیې پوره کړي
د شیلف څخه بهر طبي ډیټا کتلاګ او جواز ورکول:
- 5M+ ریکارډونه او د معالج آډیو فایلونه په 31 ځانګړتیاو کې
- 2M+ طبي عکسونه په راډیولوژي او نورو ځانګړتیاو کې (MRIs, CTs, USGs, XRs)
- 30k+ کلینیکي متن سندونه د ارزښت اضافه ادارو او اړیکو تشریح سره
د شیلف څخه بهر د وینا ډیټا کتلاګ او جواز ورکول:
- 40k+ ساعته د وینا ډیټا (50+ ژبې / 100+ ژبی)
- 55+ موضوعات پوښل شوي
- د نمونې اخیستلو کچه – 8/16/44/48 kHz
- د آډیو ډول - ناڅاپي، سکریپټ، مونولوګ، بیدار ټکي
- د انسان - انسان خبرو اترو ، انسان - بوټ ، د انسان - اجنټ کال سنټر خبرو اترو ، مونولوګونو ، ویناو ، پوډکاسټونو او نورو لپاره په ډیری ژبو کې په بشپړ ډول لیکل شوي آډیو ډیټاسیټونه.
د انځور او ویډیو ډیټا کتلاګ او جواز ورکول:
- خواړه/ د اسنادو د انځور ټولګه
- د کور امنیت ویډیو ټولګه
- د مخ عکس/ویډیو ټولګه
- رسیدونه، PO، د OCR لپاره د رسیدونو اسناد راټولول
- د موټرو د زیان معلومولو لپاره د عکس راټولول
- د موټر د لایسنس پلیټ عکس ټولګه
- د موټر داخلي انځور ټولګه
- د Image Collection with Car Driver پاڼې اړوند نور معلومات په فسبوک کې اوګورئ
- د فیشن اړوند انځورونو ټولګه
راځئ چې وغږېږو
ډیری پوښتل شوي پوښتنې (FAQ)
DL د ML فرعي فیلډ دی چې په ډیټا کې پیچلي نمونې زده کولو لپاره د څو پرتونو سره مصنوعي عصبي شبکې کاروي. ML د AI فرعي سیټ دی چې په الګوریتمونو او ماډلونو تمرکز کوي چې ماشینونه وړوي ترڅو له ډیټا زده کړي. د ژبې لوی ماډلونه (LLMs) د ژورې زده کړې یوه فرعي برخه ده او د تولیدي AI سره مشترکه ځمکه شریکوي، ځکه چې دواړه د ژورې زده کړې د پراخې برخې برخې دي.
د ژبې لوی ماډلونه، یا LLMs، د ژبې پراخه او هر اړخیز ماډلونه دي چې په پیل کې د پراخ متن ډیټا په اړه مخکې روزل شوي ترڅو د ژبې بنسټیز اړخونه وپیژني. دوی بیا د ځانګړو غوښتنلیکونو یا دندو لپاره ښه تنظیم شوي، دوی ته اجازه ورکوي چې د ځانګړو موخو لپاره تطبیق او اصلاح شي.
لومړی، د ژبې لوی ماډلونه د پراخو معلوماتو او ملیاردونو پیرامیټونو سره د دوی د پراخه روزنې له امله د پراخه لړۍ د ترسره کولو وړتیا لري.
دوهم، دا ماډلونه د تطبیق وړتیا څرګندوي ځکه چې دوی د لږ تر لږه ځانګړي ساحې روزنې ډیټا سره ښه تنظیم کیدی شي.
په نهایت کې ، د LLMs فعالیت دوامداره پرمختګ ښیې کله چې اضافي ډیټا او پیرامیټرې شاملې شي ، د وخت په تیریدو سره د دوی اغیزمنتوب لوړوي.
سمدستي ډیزاین کې د ځانګړي دندې لپاره مناسب پرامپټ رامینځته کول شامل دي ، لکه د ژباړې په دنده کې د مطلوب محصول ژبه مشخص کول. پرامپټ انجینرۍ، له بلې خوا، د ډومین پوهې په شاملولو، د محصول مثالونو چمتو کولو، یا د اغیزمنو کلیمو کارولو له لارې د فعالیت په ښه کولو تمرکز کوي. سمدستي ډیزاین یو عمومي مفهوم دی، پداسې حال کې چې سمدستي انجنیري یوه ځانګړې طریقه ده. پداسې حال کې چې سمدستي ډیزاین د ټولو سیسټمونو لپاره اړین دی، سمدستي انجنیري د سیسټمونو لپاره خورا مهم کیږي چې لوړ درستیت یا فعالیت ته اړتیا لري.
د لوی ژبې ماډلونه درې ډوله دي. هر ډول د ودې لپاره مختلف چلند ته اړتیا لري.
- د ژبې عمومي ماډلونه د روزنې معلوماتو کې د ژبې پراساس د راتلونکي کلمې وړاندوینه کوي.
- د لارښوونو سره تړل شوي ماډلونه روزل شوي ترڅو په ان پټ کې ورکړل شوي لارښوونو ته د ځواب وړاندوینه وکړي.
- د ډیالوګ ټون شوي ماډلونه روزل شوي ترڅو د راتلونکي ځواب په رامینځته کولو سره د ډیالوګ په څیر خبرو اترو ولري.