ترجمه فارسی مقاله تأثیر ترتیب عناصر بر عملکرد عامل LM

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی The Impact of Element Ordering on LM Agent Performance
عنوان مقاله به فارسی تأثیر ترتیب عناصر بر عملکرد عامل LM
نویسندگان Wayne Chi, Ameet Talwalkar, Chris Donahue
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 19 September, 2024; v1 submitted 18 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 19 سپتامبر 2024 ؛V1 ارسال شده 18 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
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

There has been a surge of interest in language model agents that can navigate virtual environments such as the web or desktop. To navigate such environments, agents benefit from information on the various elements (e.g., buttons, text, or images) present. It remains unclear which element attributes have the greatest impact on agent performance, especially in environments that only provide a graphical representation (i.e., pixels). Here we find that the ordering in which elements are presented to the language model is surprisingly impactful--randomizing element ordering in a webpage degrades agent performance comparably to removing all visible text from an agent's state representation. While a webpage provides a hierarchical ordering of elements, there is no such ordering when parsing elements directly from pixels. Moreover, as tasks become more challenging and models more sophisticated, our experiments suggest that the impact of ordering increases. Finding an effective ordering is non-trivial. We investigate the impact of various element ordering methods in web and desktop environments. We find that dimensionality reduction provides a viable ordering for pixel-only environments. We train a UI element detection model to derive elements from pixels and apply our findings to an agent benchmark--OmniACT--where we only have access to pixels. Our method completes more than two times as many tasks on average relative to the previous state-of-the-art.

چکیده به فارسی (ترجمه ماشینی)

علاقه مندی به عوامل مدل زبان وجود داشته است که می توانند در محیط های مجازی مانند وب یا دسک تاپ حرکت کنند.برای حرکت در چنین محیط هایی ، نمایندگان از اطلاعات مربوط به عناصر مختلف (به عنوان مثال ، دکمه ها ، متن یا تصاویر) موجود بهره مند می شوند.هنوز مشخص نیست که کدام ویژگی های عنصر بیشترین تأثیر را در عملکرد عامل دارند ، به خصوص در محیط هایی که فقط یک نمایش گرافیکی را ارائه می دهند (یعنی پیکسل).در اینجا می فهمیم که ترتیب ارائه عناصر به مدل زبان به طرز حیرت انگیزی تأثیرگذار است-سفارش عناصر تصادفی در یک صفحه وب عملکرد عامل را به طور مقایسه ای با حذف تمام متن قابل مشاهده از نمایندگی حالت یک عامل تخریب می کند.در حالی که یک صفحه وب سفارش سلسله مراتبی از عناصر را فراهم می کند ، در هنگام تجزیه عناصر به طور مستقیم از پیکسل ، چنین نظمی وجود ندارد.علاوه بر این ، هرچه کارها چالش برانگیزتر می شوند و مدلهای پیچیده تر می شوند ، آزمایش های ما نشان می دهد که تأثیر سفارش افزایش می یابد.پیدا کردن یک سفارش مؤثر غیر مهم است.ما تأثیر روشهای مختلف سفارش عناصر را در محیط های وب و دسک تاپ بررسی می کنیم.ما می دانیم که کاهش ابعاد یک سفارش مناسب برای محیط های فقط پیکسل فراهم می کند.ما یک مدل تشخیص عنصر UI را آموزش می دهیم تا عناصر را از پیکسل ها بدست آوریم و یافته های خود را در یک معیار عامل-OMNIACT-به کار گیریم ، جایی که فقط به پیکسل ها دسترسی داریم.روش ما بیش از دو برابر بیشتر از کارها را به طور متوسط ​​نسبت به پیشرفته قبلی انجام می دهد.

📚 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.