اکسپرس 24
ترجمه فارسی مقاله استنتاج بیزی IS به سبک De Finetti، پیش آموزش و یادگیری در متن

ترجمه فارسی مقاله استنتاج بیزی IS به سبک De Finetti، پیش آموزش و یادگیری در متن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Pre-training and in-context learning IS Bayesian inference a la De Finetti
عنوان مقاله به فارسی استنتاج بیزی IS به سبک De Finetti، پیش آموزش و یادگیری در متن
نویسندگان Naimeng Ye, Hanming Yang, Andrew Siah, Hongseok Namkoong
فرمت مقاله انگلیسی PDF
تعداد صفحات 31
دسته بندی موضوعات Machine Learning,Machine Learning,یادگیری ماشین , یادگیری ماشین ,
توضیحات Submitted 6 August, 2024; originally announced August 2024.
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 1,240,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 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

Accurately gauging uncertainty on the underlying environment is a longstanding goal of intelligent systems. We characterize which latent concepts pre-trained sequence models are naturally able to reason with. We go back to De Finetti's predictive view of Bayesian reasoning: instead of modeling latent parameters through priors and likelihoods like topic models do, De Finetti has long advocated for modeling exchangeable (permutation invariant) sequences of observables. According to this view, pre-training autoregressive models formulates informed beliefs based on prior observations ("empirical Bayes"), and forward generation is a simulated instantiation of an environment ("posterior inference"). This connection allows extending in-context learning (ICL) beyond predictive settings, highlighting sequence models' ability to perform explicit statistical inference. In particular, we show the sequence prediction loss over exchangeable documents controls performance on downstream tasks where uncertainty quantification is key. Empirically, we propose and demonstrate several approaches for encoding exchangeability in sequence model architectures: data augmentation, regularization, and causal masking.

چکیده به فارسی (ترجمه ماشینی)

عدم اطمینان از عدم اطمینان در محیط اساسی ، هدف دیرینه سیستم های هوشمند است.ما توصیف می کنیم که کدام مدل های توالی از پیش آموزش داده شده به طور طبیعی قادر به استدلال هستند.ما به دیدگاه پیش بینی کننده De Finetti در مورد استدلال بیزی برمی گردیم: به جای مدل سازی پارامترهای نهفته از طریق مقدماتی و احتمال مانند مدل های موضوع ، De Finetti مدتهاست که از مدل سازی توالی قابل تعویض (تغییر مکان) از مشاهده ها دفاع می کند.با توجه به این دیدگاه ، مدل های اتورسگر قبل از آموزش ، اعتقادات آگاهانه را بر اساس مشاهدات قبلی ("Bayes تجربی") تدوین می کند ، و نسل رو به جلو یک فوری شبیه سازی شده از یک محیط ("استنتاج خلفی") است.این ارتباط اجازه می دهد تا یادگیری درون متن (ICL) فراتر از تنظیمات پیش بینی شده ، توانایی مدل های توالی را در انجام استنتاج آماری صریح برجسته کند.به طور خاص ، ما از دست دادن پیش بینی توالی نسبت به اسناد قابل تعویض عملکرد را در کارهای پایین دست کنترل می کنیم که در آن کمیت عدم اطمینان مهم است.از نظر تجربی ، ما چندین روش برای رمزگذاری مبادله در معماری های مدل توالی پیشنهاد و نشان می دهیم: افزایش داده ها ، تنظیم مجدد و ماسک های علی.

📚 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.