واژه‌نامه

هر اصطلاح در همهٔ درس‌ها یک معادل فارسی دارد. بار اول که در یک درس می‌آید، معادل انگلیسی‌اش در پرانتز کنارش نوشته می‌شود، مثل «بازیابی (Retrieval)». اگر در درسی معادل دیگری دیدید، آن را به‌عنوان نظر دربارهٔ درس گزارش کنید.

ستون «درس» اولین درسی است که اصطلاح در آن توضیح داده می‌شود.

مفاهیم پایه

فارسی	English	توضیح کوتاه	درس
تولید تقویت‌شده با بازیابی	Retrieval-Augmented Generation (RAG)	پیش از پرسیدن از مدل، متن‌های مرتبط را از اسناد خودمان پیدا می‌کنیم و همراه پرسش به مدل می‌دهیم	۰۱
مدل زبانی بزرگ	Large Language Model (LLM)	مدلی که متن تولید می‌کند	۰۱
توهم	Hallucination	پاسخی که مدل از خودش می‌سازد و در منبع نیست	۰۱
بازیابی	Retrieval	پیدا کردن قطعه‌های مرتبط با پرسش	۰۱
تولید	Generation	نوشتن پاسخ از روی قطعه‌های بازیابی‌شده	۰۱
نمایه‌سازی	Indexing	آماده کردن اسناد برای جست‌وجو (یک بار، پیش از پرسش‌ها)	۰۱
نمایه	Index	خروجی نمایه‌سازی	۰۱
پیکره	Corpus	مجموعهٔ اسنادی که در آن جست‌وجو می‌کنیم	۰۱
پرسش	Query / Question	—	۰۱
تصحیح‌کنندهٔ خودکار	Grader	python -m grader run NN	۰۰
کد شروع	Starter	پوشهٔ starter/ هر درس با جاهای خالی (TODO)	۰۰
پاسخ مرجع	Reference solution	ماژول کامل parsrag	۰۰
قطعی	Deterministic	با ورودی یکسان همیشه خروجی یکسان	۰۰
افزونهٔ اختیاری	Extra	وابستگی‌های اختیاری، مثل parsrag[loaders]	۰۰

متن فارسی و بارگذاری

فارسی	English	توضیح کوتاه	درس
نرمال‌سازی	Normalization	یکسان کردن نوشتارهای مختلف یک چیز	۰۲
یکسان‌سازی حروف	Character unification	«ي، ك» عربی ← «ی، ک» فارسی	۰۲
نیم‌فاصله	Zero-width non-joiner (ZWNJ)	نویسهٔ U+200C در «می‌شود»	۰۲
اعراب	Diacritics	ـَ ـِ ـُ ـّ	۰۲
کشیده	Tatweel / Kashida	«گارانـــتی»	۰۲
شکل‌های نمایشی	Presentation forms	کد شکلِ حرف به‌جای خود حرف، رایج در PDF	۰۲
آزمایش جداسازی	Ablation	خاموش کردن یک جزء در هر بار، برای سنجیدن سهم آن	۰۲
تابع خالص	Pure function	تابعی بدون اثر جانبی	۰۲
بارگذاری	Loading	خواندن متن و ساختار از فایل	۰۳
بارگذار	Loader	load_pdf، load_docx، …	۰۳
ترتیب منطقی	Logical order	ترتیب خواندن؛ متن در حافظه باید به همین ترتیب باشد	۰۳
ترتیب دیداری	Visual order	ترتیب رسم نویسه‌ها روی صفحه، از چپ به راست	۰۳
کنترل‌های جهت	Bidi controls	نویسه‌های نامرئی RLM و LRM و …	۰۳
الگوریتم دوجهتهٔ یونیکد	Unicode Bidirectional Algorithm	—	۰۳
روش ابتکاری	Heuristic	قاعدهٔ ساده و شفاف به‌جای الگوریتم کامل یا مدل	۰۳
نویسه‌خوانی نوری	OCR	برای PDF اسکن‌شده	۰۳
آفست نویسه‌ای	Character offset	جای یک نویسه در متن اصلی (start، end)	۰۳
بازیابی کلمه	Word recall	سهم کلمه‌های متن اصلی که در متن استخراج‌شده پیدا می‌شود	۰۳

قطعه‌بندی و برداری‌سازی

فارسی	English	توضیح کوتاه	درس
قطعه‌بندی	Chunking	بریدن سند به قطعه‌های کوچک	۰۱
قطعه	Chunk / Passage	—	۰۱
هم‌پوشانی	Overlap	بخشی که بین دو قطعهٔ پشت‌سرهم مشترک است	۰۱
اندازهٔ ثابت	Fixed-size	قطعه‌بندی با پنجرهٔ ثابت	۰۴
بازگشتی	Recursive	سرتیتر ← پاراگراف ← خط ← جمله ← کلمه	۰۴
پنجرهٔ جمله	Sentence window	هر جمله با چند جملهٔ اطرافش	۰۴
جمله‌بند	Sentence splitter	—	۰۴
سرتیتر	Heading	عنوان بخش؛ «زمینهٔ سرتیتر (Heading context)» یعنی چسباندن آن به اول قطعه	۰۳
توکن	Token	واحدی که مدل زبانی می‌شمارد	۰۴
بازه	Span	بخشی از متن با آغاز و پایان	۰۴
برداری‌سازی	Embedding	تبدیل متن به بردار عددی	۰۱
مدل برداری‌ساز	Embedding model	—	۰۵
شباهت کسینوسی	Cosine similarity	—	۰۱
درهم‌سازی ویژگی‌ها	Feature hashing	روش HashingEmbedding	۰۰
چندزبانه	Multilingual	—	۰۵
عصبی	Neural	—	۰۵
واژگانی	Lexical	بر پایهٔ واژه‌های مشترک، نه معنا	۰۵

جست‌وجو و بازرتبه‌بندی

فارسی	English	توضیح کوتاه	درس
انبارهٔ برداری	Vector store	جایی برای نگه‌داشتن و جست‌وجوی بردارها	۰۶
جست‌وجوی دقیق / تقریبی	Exact / Approximate search	—	۰۶
فهرست وارونه	Inverted index / Inverted file (IVF)	از هر واژه یا خوشه به فهرست اسنادش	۰۶
فراداده	Metadata	سند، بخش، صفحه و … هر قطعه	۰۶
جست‌وجوی ترکیبی	Hybrid search	ترکیب BM25 و جست‌وجوی برداری	۰۷
بازیاب	Retriever	هر چیزی که search(query, k) دارد	۰۷
بازیاب برداری	Dense retriever	—	۰۷
ادغام رتبه‌ای	Reciprocal Rank Fusion (RRF)	ادغام فهرست‌ها فقط بر اساس رتبه	۰۷
ادغام وزنی امتیازها	Weighted score fusion	—	۰۷
ریشه‌یابی سبک	Light stemming	بریدن چند پسوند رایج	۰۷
ایست‌واژه‌ها	Stop words	واژه‌های پرتکرار و کم‌معنا	۰۷
بازنویسی‌شده	Paraphrased	مجموعهٔ qa_paraphrase.jsonl	۰۷
بازرتبه‌بندی	Reranking	مرتب کردن دوبارهٔ چند ده نامزد با روشی دقیق‌تر	۰۸
بازرتبه‌ساز	Reranker	—	۰۸
رمزگذار متقاطع	Cross-encoder	مدلی که پرسش و قطعه را کنار هم می‌خواند	۰۸
نقطه‌ای / فهرستی	Pointwise / Listwise	امتیاز هر قطعه جدا / مرتب کردن کل فهرست	۰۸
پیشین	Prior	امتیاز مرحلهٔ اول در بازرتبه‌ساز	۰۸
نزدیکی	Proximity	نزدیک بودن واژه‌های پرسش در قطعه	۰۸
مجموعهٔ کنارگذاشته	Held-out set	مجموعه‌ای که روی آن تنظیم نمی‌کنیم	۰۸
بیش‌برازش روی مجموعهٔ آزمون	Overfitting to the test set	—	۰۸

تولید و ارزیابی

فارسی	English	توضیح کوتاه	درس
تولید مستند	Grounded generation	پاسخ فقط از روی متن‌های داده‌شده، با ارجاع	۰۹
ارجاع	Citation	[n] در پاسخ، وصل به سند و بخش	۰۹
اعتبارسنجی ارجاع	Citation validation	—	۰۹
«نمی‌دانم» / امتناع	Abstention / Refusal	جواب ندادن وقتی پاسخ در اسناد نیست	۰۹
آستانه	Threshold	—	۰۹
کالیبره کردن	Calibration	انتخاب آستانه روی یک مجموعهٔ توسعه	۰۹
ارزیابی	Evaluation	—	۰۵
نرخ اصابت	Hit rate@k	—	۰۲
بازیابی در k	Recall@k	—	۰۵
میانگین رتبهٔ معکوس	Mean Reciprocal Rank (MRR)	—	۰۵
سطح سند / سطح قطعه	Doc-level / Passage-level	آیا سند درست / قطعهٔ شامل شاهد پیدا شد؟	۰۴
شاهد	Evidence	بخشی از سند که پاسخ در آن است	۰۴
F1 توکنی	Token F1	—	۱۰
دقت ارجاع	Citation precision	—	۱۰
وفاداری	Faithfulness	آیا هر ادعای پاسخ در منبع هست؟	۱۰
داور LLM	LLM-as-judge	—	۱۰
سوگیری	Bias	سوگیری جایگاه، طول و خودی در داور	۱۰
بوت‌استرپ (جفتی)	(Paired) bootstrap	بازهٔ اطمینان با نمونه‌گیری دوباره	۱۰
بازهٔ اطمینان	Confidence interval	—	۱۰
مجموعهٔ توسعه	Development set	—	۱۰
دروازهٔ کیفیت	Quality gate	ناموفق شدن CI وقتی معیاری بیش از حد مجاز افت کند	۱۰
خط پایه	Baseline	docs/eval/baseline.json	۱۰

عامل و سرویس

فارسی	English	توضیح کوتاه	درس
RAG عامل‌محور	Agentic RAG	—	۱۱
عامل	Agent	—	۱۱
گراف، حالت، گره، مسیریاب	Graph, State, Node, Router	مفاهیم LangGraph	۱۱
تجزیه‌گر	Parser	خواندن جواب مدل از یک قالب ثابت	۱۱
انسان در حلقه	Human-in-the-loop	—	۱۱
نقطهٔ بازیابی	Checkpoint	—	۱۱
API تولیدی	Production API	—	۱۲
نقطهٔ پایانی	Endpoint	—	۱۲
رویدادهای سرور	Server-Sent Events (SSE)	—	۱۲
کش	Cache	—	۱۲
محدودیت نرخ	Rate limiting	سطل توکن (Token bucket)	۱۲
تأخیر	Latency	میانه و صدک ۹۵	۱۲
پروژهٔ پایانی	Capstone	—	۱۳

امنیت

فارسی	English	توضیح کوتاه	درس
تزریق پرامپت	Prompt injection	متنی که به مدل دستور می‌دهد دستورهای اصلی را کنار بگذارد	۱۴
تزریق پرامپت غیرمستقیم	Indirect prompt injection	دستور پنهان در سندی که بازیابی می‌شود، نه در پیام کاربر	۱۴
نشت داده	Data exfiltration	فرستادن داده به بیرون، مثلاً با پیوند تصویر در پاسخ	۱۴
جعل ارجاع	Citation spoofing	سرتیتر یا شمارهٔ منبع ساختگی داخل متن سند	۱۴
جعبهٔ شنی	Sandbox	جدا کردن داده با نشانه‌های <<<DATA-nonce>>>	۱۴
سلسله‌مراتب دستورها	Instruction hierarchy	دستور پیام سیستم بالاتر از هر متن داخل داده	۱۴
پاک‌سازی	Sanitising	حذف پیوند، تصویر، HTML و نشانه‌های جعلی پیش از رسیدن به مدل	۱۴
مبهم‌سازی	Obfuscation	پنهان کردن عبارت با حروف عربی، کشیده، اعراب یا نویسهٔ نامرئی	۱۴
میزان موفقیت حمله	Attack success rate	سهم حمله‌هایی که هدفشان در پاسخ نهایی دیده می‌شود	۱۴