<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>کارگاه — فلش</title><description>کارگاه</description><link>https://blog.felesh.ai/</link><item><title>ابرپارامترهای LoRA بدون ابهام: رتبه، آلفا و آنچه باید تنظیم کنید</title><link>https://blog.felesh.ai/fa/tutorials/lora-hyperparameters-demystified/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/lora-hyperparameters-demystified/</guid><description>ریزتنظیم با LoRA چند مقدار کلیدی دارد که با درک معنای آن‌ها، انتخابشان آسان می‌شود. این راهنما رتبه، آلفا، نرخ یادگیری و سایر موارد را شفاف می‌کند.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item><item><title>فهرستی عملی برای انتخاب مدل زبانی متناسب با قابلیت‌های شما</title><link>https://blog.felesh.ai/fa/tutorials/pick-an-llm-checklist/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/pick-an-llm-checklist/</guid><description>انتخاب مدل، بیش از آنکه به جدول‌های رتبه‌بندی مربوط باشد، به شناخت دقیق نیازهایتان بستگی دارد؛ شش گام ساده که می‌توانید از همین امروز دنبال کنید.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item><item><title>استنتاج مدل زبانی واقعاً چگونه کار می‌کند: پیش‌پر کردن در برابر کدگشایی</title><link>https://blog.felesh.ai/fa/tutorials/prefill-vs-decode/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/prefill-vs-decode/</guid><description>تولید متن شامل دو مرحله با رفتارهای کاملاً متفاوت است: یکی محدود به محاسبات و دیگری محدود به حافظه. درک این تفاوت توضیح می‌دهد چرا حافظه نهان وجود دارد و چرا کدگشایی کند است.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item><item><title>اولین مدل خود را روی Colab رایگان ریزتنظیم کنید: QLoRA در حدود ۴۰ خط</title><link>https://blog.felesh.ai/fa/tutorials/qlora-on-free-colab/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/qlora-on-free-colab/</guid><description>ریزتنظیم یک مدل نیازی به خوشه‌ای پرهزینه ندارد. با QLoRA می‌توان مدلی کوچک را روی یک GPU رایگان و تنها با چند ده خط کد تنظیم کرد.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item><item><title>یک مدل ۷۰ میلیاردی روی یک کارت گرافیک: راهنمای عملی کوانتش</title><link>https://blog.felesh.ai/fa/tutorials/run-a-70b-on-one-gpu/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/run-a-70b-on-one-gpu/</guid><description>یک مدل ۷۰ میلیاردی با دقت کامل به حدود ۱۴۰ گیگابایت حافظه نیاز دارد. با کوانتش می‌توان این مدل را آن‌قدر فشرده کرد که روی یک کارت گرافیک جا شود و کیفیت آن تقریباً دست‌نخورده باقی بماند.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item><item><title>کار با APIهای مدل زبانی: اولین فراخوانی، توکن‌ها و خروجی ساختارمند</title><link>https://blog.felesh.ai/fa/tutorials/working-with-llm-apis/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/working-with-llm-apis/</guid><description>اولین فراخوانی یک API مدل زبانی ساده‌تر از آن است که به نظر می‌رسد. اگر چند مفهوم پایه را بشناسید — نقش‌ها، توکن‌ها، دما و خروجی ساختارمند — بقیه مسیر روشن می‌شود.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item><item><title>بدون مثال، با مثال یا Chain of Thought: تکنیک مناسب را انتخاب کنید</title><link>https://blog.felesh.ai/fa/tutorials/zero-shot-few-shot-cot/</link><guid isPermaLink="true">https://blog.felesh.ai/fa/tutorials/zero-shot-few-shot-cot/</guid><description>سه تکنیک پایه برای پرامپت‌نویسی وجود دارد که هرکدام جایگاه خود را دارند؛ دانستن زمان استفاده از هریک، از خود این تکنیک‌ها مهم‌تر است.</description><pubDate>Sun, 21 Jun 2026 00:00:00 GMT</pubDate></item></channel></rss>