باختصار
الضبط الدقيق المُشرَف (Supervised Fine-Tuning، ويُختصر SFT) هو تدريب نموذج مُدرَّب مسبقًا على مجموعة أمثلة من نوع «مُدخَل ← مُخرَج صحيح»، عشان يتعلّم يقلّد السلوك ده.
بالتفصيل
النموذج الأساسي بيتدرّب أولًا على كمّيات هائلة من النصوص ليتعلّم اللغة والمعرفة العامة. لكن النموذج ده بيبقى «خام»: بيكمّل النصّ، مش بالضرورة بيجاوب سؤالك أو يتّبع تعليماتك.
هنا بييجي SFT. بتجهّز مجموعة بيانات فيها أمثلة موسومة — أي كل مُدخَل ومعاه المُخرَج المرغوب — وبتدرّب النموذج عليها بحيث يقلّل الفرق بين ما يولّده وما هو مطلوب منه. كلمة «مُشرَف» (Supervised) معناها بالظبط إن فيه إجابة صحيحة معروفة سلفًا لكل مثال.
SFT رخيص نسبيًا مقارنةً بالتدريب من الصفر، وده اللي خلّاه الأداة الافتراضية لتخصيص النماذج: مساعد خدمة عملاء بلهجة شركتك، أو نموذج طبّي يلتزم بصيغة تقارير معيّنة، أو نموذج يتكلّم عربي بمستوى معيّن من البساطة.
لكن نفس الرخص ده هو اللي خلّى SFT محور جدل أمني في 2026. في هجمات التقطير اللي وثّقتها Anthropic، الخطوة الأخيرة كانت دايمًا SFT: المهاجم بيجمع سلاسل تفكير من نموذج متقدّم، وبعدين يستخدمها كأمثلة موسومة لتدريب نموذج أصغر على قدرة الاستدلال العامة. بمعنى تاني، مش لازم تسرق أوزان النموذج — يكفي تسرق مخرجاته وتعمل SFT عليها.
مثال عملي
عندك نموذج مفتوح وعايزه يردّ على استفسارات عملائك بالعربية بأسلوب مختصر. تجمع 2000 محادثة حقيقية من فريق الدعم، كل واحدة فيها سؤال العميل وردّ الموظّف المعتمد. تدرّب النموذج على الأزواج دي — ده SFT. النتيجة نموذج بيردّ بنبرة فريقك، من غير ما تدرّب نموذجًا من الصفر.
مصطلحات مرتبطة
- Distillation — التقطير، اللي بيستخدم SFT كخطوة أخيرة.
- Chain of Thought — سلسلة التفكير، المادة الخام في تقطير الاستدلال.
- RLHF — التعلّم المعزّز من التغذية الراجعة البشرية، المرحلة اللي غالبًا بتيجي بعد SFT.
المصادر: TechCrunch — 2026-09-10
