ترجمه فارسی مقاله از متن تا ایموجی: چگونه دستکاری شخصیت محور PEFT پتانسیل Emoji را در LLM آزاد می کند

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی From Text to Emoji: How PEFT-Driven Personality Manipulation Unleashes the Emoji Potential in LLMs
عنوان مقاله به فارسی از متن تا ایموجی: چگونه دستکاری شخصیت محور PEFT پتانسیل Emoji را در LLM آزاد می کند
نویسندگان Navya Jain, Zekun Wu, Cristian Munoz, Airlie Hilliard, Adriano Koshiyama, Emre Kazim, Philip Treleaven
فرمت مقاله انگلیسی PDF
تعداد صفحات 33
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,محاسبه و زبان ,
توضیحات Submitted 16 September, 2024; originally announced September 2024. , Comments: Submitted to NeurIPS 2024 Workshop on Behavioral Machine Learning
توضیحات به فارسی ارائه شده 16 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: ارسال شده به کارگاه آموزشی Neurips 2024 در زمینه یادگیری ماشین رفتاری
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

As the demand for human-like interactions with LLMs continues to grow, so does the interest in manipulating their personality traits, which has emerged as a key area of research. Methods like prompt-based In-Context Knowledge Editing (IKE) and gradient-based Model Editor Networks (MEND) have been explored but show irregularity and variability. IKE depends on the prompt, leading to variability and sensitivity, while MEND yields inconsistent and gibberish outputs. To address this, we employed Opinion QA Based Parameter-Efficient Fine-Tuning (PEFT), specifically Quantized Low-Rank Adaptation (QLORA), to manipulate the Big Five personality traits: Openness, Conscientiousness, Extraversion, Agreeableness, and Neuroticism. After PEFT, models such as Mistral-7B-Instruct and Llama-2-7B-chat began generating emojis, despite their absence in the PEFT data. For instance, Llama-2-7B-chat generated emojis in 99.5% of extraversion-related test instances, while Mistral-8B-Instruct did so in 92.5% of openness-related test instances. Explainability analysis indicated that the LLMs used emojis intentionally to express these traits. This paper provides a number of novel contributions. First, introducing an Opinion QA dataset for PEFT-driven personality manipulation; second, developing metric models to benchmark LLM personality traits; third, demonstrating PEFT's superiority over IKE in personality manipulation; and finally, analyzing and validating emoji usage through explainability methods such as mechanistic interpretability and in-context learning explainability methods.

چکیده به فارسی (ترجمه ماشینی)

از آنجا که تقاضا برای تعامل انسان مانند با LLMS همچنان رو به رشد است ، همچنین علاقه به دستکاری ویژگی های شخصیت آنها ، که به عنوان یک حوزه اصلی تحقیق ظاهر شده است ، نیز می شود.روش هایی مانند ویرایش دانش درون متن مبتنی بر سریع (IKE) و شبکه های ویرایشگر مدل مبتنی بر گرادیان (MEND) مورد بررسی قرار گرفته اند اما بی نظمی و تنوع را نشان می دهند.IKE به سریع بستگی دارد و منجر به تغییرپذیری و حساسیت می شود ، در حالی که MEND خروجی های متناقض و فریبنده را به همراه دارد.برای پرداختن به این موضوع ، ما با تنظیم دقیق پارامترهای مبتنی بر نظر QA (PEFT) ، به طور خاص سازگاری با رتبه پایین (QLORA) ، برای دستکاری ویژگی های شخصیت بزرگ پنج: باز بودن ، وجدان ، برونگرایی ، موافقت و عصبی گرایی استفاده کردیم.پس از Peft ، مدلهایی مانند مدافع MISTRAL-7B و LLAMA-2-7B-Chat با وجود عدم حضور آنها در داده های PEFT ، تولید ایموجی ها را آغاز کردند.به عنوان مثال ، LLAMA-2-7B-CHAT در 99.5 ٪ از موارد آزمایش مربوط به برونگرایی ، emojis تولید کرد ، در حالی که مدرک mistral-8b این کار را در 92.5 ٪ از موارد آزمایش مربوط به باز انجام داد.تجزیه و تحلیل توضیح نشان داد که LLM ها از ایموجی ها عمداً برای بیان این صفات استفاده می کنند.در این مقاله تعدادی از مشارکتهای جدید ارائه شده است.اول ، معرفی مجموعه داده QA برای دستکاری شخصیت Peft محور ؛دوم ، در حال توسعه مدل های متریک برای معیار ویژگی های شخصیتی LLM.سوم ، نشان دادن برتری پفت نسبت به ایکه در دستکاری شخصیت ؛و در آخر ، تجزیه و تحلیل و اعتبار سنجی استفاده از ایموجی از طریق روشهای توضیح قابلیت تفسیر مکانیکی و روشهای توضیح در یادگیری درون متن.

📚 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.

🎯 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.