ترجمه فارسی مقاله غلبه بر موانع زبانی در دستیاران کد: ایجاد یک آداپتور QLoRA برای بهبود پشتیبانی از دستورالعمل نوشتن کد به زبان روسی

چکیده

In this paper, an approach to training and evaluating an adapter model for the popular language model “zephyr-7b-beta” is described. The adapter was developed to improve the performance of the base model in tasks related to programming and understanding the Russian language. Considering the high quality of the original model in tasks in the English language, the goal of the research was to expand its linguistic and technical spectrum. The proposed adapter was trained using a large and diverse dataset, including question-answer pairs related to programming, as well code-related texts in Russian language. The applied training methodology ensures an improvement in the model’s quality of answers in understanding and generating Python code based on Russian instructions. We evaluated the performance of the base model with the installed adapter using various metrics, comparing it to the base model as well as other state-of-the-art models in this field. The obtained results showed significant improvement, both in tasks related to writing Python code and in processing the Russian language, confirming the effectiveness of the proposed adapter.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، رویکردی برای آموزش و ارزیابی یک مدل آداپتور برای مدل زبان محبوب “Zephyr-7B-Beta” شرح داده شده است.آداپتور برای بهبود عملکرد مدل پایه در وظایف مربوط به برنامه نویسی و درک زبان روسی تهیه شده است.با توجه به کیفیت بالای مدل اصلی در کارها در زبان انگلیسی ، هدف از این تحقیق گسترش طیف زبانی و فنی آن بود.آداپتور پیشنهادی با استفاده از یک مجموعه داده بزرگ و متنوع ، از جمله جفت های پاسخ به سؤال مربوط به برنامه نویسی و همچنین متون مربوط به کد به زبان روسی آموزش داده شد.روش آموزش کاربردی بهبود در کیفیت پاسخ های مدل در درک و تولید کد پایتون بر اساس دستورالعمل های روسیه را تضمین می کند.ما عملکرد مدل پایه را با آداپتور نصب شده با استفاده از معیارهای مختلف ارزیابی کردیم و آن را با مدل پایه و همچنین سایر مدل های پیشرفته در این زمینه مقایسه کردیم.نتایج به دست آمده بهبود قابل توجهی نشان داد ، هم در وظایف مربوط به نوشتن کد پایتون و هم در پردازش زبان روسی ، تأیید اثربخشی آداپتور پیشنهادی.