کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
For text-based AI systems to interact in the real world, causal reasoning is an essential skill. Since interventional data is costly to generate, we study to what extent an agent can learn causal reasoning from passive data. Specifically, we consider an axiomatic training setup where an agent learns from multiple demonstrations of a causal axiom (or rule), rather than incorporating the axiom as an inductive bias or inferring it from data values. A key question is whether the agent would learn to generalize from the axiom demonstrations to new scenarios. For example, if a transformer model is trained on demonstrations of the causal transitivity axiom over small graphs, would it generalize to applying the transitivity axiom over large graphs? Our results, based on a novel axiomatic training scheme, indicate that such generalization is possible. We consider the task of inferring whether a variable causes another variable, given a causal graph structure. We find that a 67 million parameter transformer model, when trained on linear causal chains (along with some noisy variations) can generalize well to new kinds of graphs, including longer causal chains, causal chains with reversed order, and graphs with branching; even when it is not explicitly trained for such settings. Our model performs at par (or even better) than many larger language models such as GPT-4, Gemini Pro, and Phi-3. Overall, our axiomatic training framework provides a new paradigm of learning causal reasoning from passive data that can be used to learn arbitrary axioms, as long as sufficient demonstrations can be generated.
چکیده به فارسی (ترجمه ماشینی)
برای تعامل سیستم های هوش مصنوعی مبتنی بر متن ، استدلال علی یک مهارت اساسی است.از آنجا که داده های مداخله ای برای تولید پرهزینه است ، ما مطالعه می کنیم که یک عامل می تواند استدلال علی را از داده های منفعل بیاموزد.به طور خاص ، ما یک مجموعه تمرینی بدیهی را در نظر می گیریم که یک عامل از تظاهرات متعدد یک بدیهیات علّی (یا قانون) یاد می گیرد ، به جای اینکه اصل را به عنوان یک تعصب القایی درج کند یا آن را از مقادیر داده استنباط کند.یک سؤال اساسی این است که آیا نماینده یاد می گیرد که از تظاهرات بدیهی به سناریوهای جدید تعمیم دهد.به عنوان مثال ، اگر یک مدل ترانسفورماتور بر روی تظاهرات محور انتقال علیت نسبت به نمودارهای کوچک آموزش دیده باشد ، آیا در استفاده از بدوی انتقال بیش از نمودارهای بزرگ تعمیم می یابد؟نتایج ما ، بر اساس یک طرح آموزش بدیهی جدید ، نشان می دهد که چنین تعمیم ممکن است.ما با توجه به ساختار نمودار علّی ، وظیفه استنباط را در نظر می گیریم که آیا یک متغیر باعث ایجاد متغیر دیگری می شود.ما می دانیم که یک مدل ترانسفورماتور پارامتر 67 میلیون ، هنگامی که بر روی زنجیره های علیت خطی (همراه با برخی از تغییرات پر سروصدا) آموزش دیده است ، می تواند به خوبی در انواع جدید نمودارها ، از جمله زنجیره های علیت طولانی تر ، زنجیرهای علّی با ترتیب معکوس و نمودارهای با انشعاب تعمیم یابد.حتی هنگامی که به صراحت برای چنین تنظیماتی آموزش نگرفته است.مدل ما نسبت به بسیاری از مدل های بزرگتر زبان مانند GPT-4 ، Gemini Pro و PHI-3 به صورت PAR (یا حتی بهتر) عمل می کند.به طور کلی ، چارچوب آموزش بدیهی ما الگوی جدیدی از یادگیری استدلال علی را از داده های منفعل فراهم می کند که می تواند برای یادگیری بدیهیات دلخواه استفاده شود ، تا زمانی که تظاهرات کافی ایجاد شود.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
