باختصار
Post-trained Model (النموذج بعد التدريب المسبق) مصطلح تعريفه فضفاض، بيشير عادةً لنموذج مدرّب مسبقًا (Pre-trained Model) عدّى على معالجة إضافية. والمرحلة دي اسمها Post-training.
بالتفصيل
النموذج اللغوي بيتبني على مرحلتين كبار:
- التدريب المسبق: النموذج بيتعلّم من كمّية ضخمة من النصوص إنه يتوقّع الكلمة الجاية. الناتج نموذج «بيعرف» كتير، لكنه مش بالضرورة بيجاوب أسئلتك بشكل مفيد.
- ما بعد التدريب: كل اللي بيحصل بعد كده عشان النموذج يبقى مفيد.
حسب مسرد Google، المعالجة دي بتشمل واحدة أو أكتر من:
- Distillation (التقطير): نقل معرفة نموذج كبير لنموذج أصغر.
- Fine-tuning (الضبط الدقيق): تدريب إضافي على بيانات متخصّصة.
- Instruction Tuning (ضبط التعليمات): تدريب النموذج إنه يتّبع تعليمات المستخدم.
مثال عملي
خد إصدار Mellum2.1 من JetBrains كمثال قريب: المعمارية ما اتغيّرتش عن الإصدار اللي قبله، لكن التحسّن جه تقريبًا كله من مرحلة ما بعد التدريب، وبالتحديد من التعلّم المعزّز اللي بقى الجزء الرئيسي من التدريب بدل مرحلة أخيرة قصيرة.
وده نمط بقى بيتكرّر: نفس النموذج الأساسي ممكن يطلع منه نموذج للمحادثة، ونموذج للبرمجة، ونموذج للاستدلال، والفرق كله في الـ Post-training. فلما تقرا «نفس الحجم لكن أداء أعلى بكتير»، غالبًا السرّ هنا.
مصطلحات مرتبطة
- Pre-training — التدريب المسبق.
- Base Model — النموذج الأساسي.
- Instruction Tuning — ضبط التعليمات.
- Supervised Fine-Tuning — الضبط الدقيق المُشرَف عليه.
المصادر: Google ML Glossary، MarkTechPost — 2026-10-08
