ترجمه فارسی مقاله تقویت استدلال رویداد در مدل‌های زبان بزرگ از طریق تنظیم دقیق دستورالعمل با نمودارهای علی معنایی

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 Enhancing Event Reasoning in Large Language Models through Instruction Fine-Tuning with Semantic Causal Graphs
عنوان مقاله به فارسی تقویت استدلال رویداد در مدل‌های زبان بزرگ از طریق تنظیم دقیق دستورالعمل با نمودارهای علی معنایی
نویسندگان Mazal Bethany, Emet Bethany, Brandon Wherry, Cho-Yu Chiang, Nishant Vishwamitra, Anthony Rios, Peyman Najafirad
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 30 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 30 اوت 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

Event detection and text reasoning have become critical applications across various domains. While LLMs have recently demonstrated impressive progress in reasoning abilities, they often struggle with event detection, particularly due to the absence of training methods that consider causal relationships between event triggers and types. To address this challenge, we propose a novel approach for instruction fine-tuning LLMs for event detection. Our method introduces Semantic Causal Graphs (SCGs) to capture both causal relationships and contextual information within text. Building off of SCGs, we propose SCG Instructions for fine-tuning LLMs by focusing on event triggers and their relationships to event types, and employ Low-Rank Adaptation (LoRA) to help preserve the general reasoning abilities of LLMs. Our evaluations demonstrate that training LLMs with SCG Instructions outperforms standard instruction fine-tuning by an average of 35.69\% on Event Trigger Classification. Notably, our fine-tuned Mistral 7B model also outperforms GPT-4 on key event detection metrics by an average of 31.01\% on Event Trigger Identification, 37.40\% on Event Trigger Classification, and 16.43\% on Event Classification. We analyze the retention of general capabilities, observing only a minimal average drop of 2.03 points across six benchmarks. This comprehensive study investigates multiple LLMs for the event detection task across various datasets, prompting strategies, and training approaches.

چکیده به فارسی (ترجمه ماشینی)

تشخیص رویداد و استدلال متن به برنامه های مهم در حوزه های مختلف تبدیل شده است.در حالی که LLMS اخیراً پیشرفت چشمگیری در توانایی های استدلال نشان داده است ، آنها اغلب با تشخیص رویداد ، به ویژه به دلیل عدم وجود روش های آموزشی که روابط علّی بین محرک ها و انواع رویداد را در نظر می گیرند ، مبارزه می کنند.برای پرداختن به این چالش ، ما یک روش جدید برای آموزش LLM های تنظیم دقیق برای تشخیص رویداد پیشنهاد می کنیم.روش ما نمودارهای علیت معنایی (SCG) را برای ضبط روابط علی و اطلاعات متنی در متن معرفی می کند.با استفاده از SCG ، ما با تمرکز بر محرک های رویداد و روابط آنها با انواع رویداد ، دستورالعمل های SCG را برای تنظیم دقیق LLM ها پیشنهاد می کنیم و از سازگاری با رتبه پایین (LORA) استفاده می کنیم تا به حفظ توانایی های استدلال کلی LLMS کمک کند.ارزیابی های ما نشان می دهد که آموزش LLMS با دستورالعمل های SCG از دستورالعمل استاندارد بهتر است که به طور متوسط ​​35.69 ٪ در طبقه بندی محرک رویداد تنظیم شود.نکته قابل توجه ، مدل MISTRAL 7B تنظیم شده ما نیز از GPT-4 در معیارهای تشخیص رویداد کلیدی به طور متوسط ​​31.01 \ ٪ در شناسایی ماشه رویداد ، 37.40 \ ٪ در طبقه بندی ماشه رویداد و 16.43 \ در طبقه بندی رویداد استفاده می کند.ما حفظ قابلیت های عمومی را تجزیه و تحلیل می کنیم ، و تنها با حداقل افت متوسط ​​2.03 امتیاز در شش معیار مشاهده می کنیم.این مطالعه جامع به بررسی چندین LLM برای کار تشخیص رویداد در مجموعه داده های مختلف ، استراتژی های برانگیخته و رویکردهای آموزشی می پردازد.

📚 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.