اکسپرس 24
ترجمه فارسی مقاله تکمیل کد با بازیابی افزوده برای پروژه‌های محلی با استفاده از مدل‌های زبانی بزرگ

ترجمه فارسی مقاله تکمیل کد با بازیابی افزوده برای پروژه‌های محلی با استفاده از مدل‌های زبانی بزرگ

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 Retrieval-augmented code completion for local projects using large language models
عنوان مقاله به فارسی تکمیل کد با بازیابی افزوده برای پروژه‌های محلی با استفاده از مدل‌های زبانی بزرگ
نویسندگان Marko Hostnik, Marko Robnik-Šikonja
فرمت مقاله انگلیسی PDF
تعداد صفحات 28
دسته بندی موضوعات Software Engineering,Machine Learning,مهندسی نرم افزار , یادگیری ماشین ,
توضیحات Submitted 9 August, 2024; originally announced August 2024. , Comments: 28 pages, 14 figures , MSC Class: 68T07; 68T50
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 28 صفحه ، 14 شکل ، کلاس MSC: 68T07 ؛68T50

قیمت: 19,000 تومان

سفارش

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

قیمت: 1,120,000 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

The use of large language models (LLMs) is becoming increasingly widespread among software developers. However, privacy and computational requirements are problematic with commercial solutions and the use of LLMs. In this work, we focus on using LLMs with around 160 million parameters that are suitable for local execution and augmentation with retrieval from local projects. We train two models based on the transformer architecture, the generative model GPT-2 and the retrieval-adapted RETRO model, on open-source Python files, and empirically evaluate and compare them, confirming the benefits of vector embedding based retrieval. Further, we improve our models' performance with In-context retrieval-augmented generation, which retrieves code snippets based on the Jaccard similarity of tokens. We evaluate In-context retrieval-augmented generation on larger models and conclude that, despite its simplicity, the approach is more suitable than using the RETRO architecture. We highlight the key role of proper tokenization in achieving the full potential of LLMs in code completion.

چکیده به فارسی (ترجمه ماشینی)

استفاده از مدل های بزرگ زبان (LLMS) در بین توسعه دهندگان نرم افزار به طور فزاینده ای گسترده می شود.با این حال ، حریم خصوصی و الزامات محاسباتی با راه حل های تجاری و استفاده از LLMS مشکل ساز است.در این کار ، ما بر استفاده از LLM ها با حدود 160 میلیون پارامتر که برای اجرای محلی و تقویت با بازیابی از پروژه های محلی مناسب هستند ، تمرکز می کنیم.ما دو مدل را بر اساس معماری ترانسفورماتور ، مدل تولیدی GPT-2 و مدل یکپارچهسازی با سیستمعامل با یکپارچهسازی با سیستمعامل بازیابی ، در پرونده های پایتون منبع باز آموزش می دهیم و آنها را به صورت تجربی ارزیابی و مقایسه می کنیم و مزایای بازیابی مبتنی بر تعبیه شده را تأیید می کنیم.علاوه بر این ، ما عملکرد مدل های خود را با نسل بازیابی درج شده در سیستم ، که قطعه های کد را بر اساس شباهت جاکارد نشانه ها بازیابی می کند ، بهبود می بخشیم.ما نسل بازیابی درون متن را بر روی مدل های بزرگتر ارزیابی می کنیم و نتیجه می گیریم که ، با وجود سادگی آن ، این رویکرد مناسب تر از استفاده از معماری یکپارچهسازی با سیستمعامل است.ما نقش اصلی توکن سازی مناسب را در دستیابی به پتانسیل کامل LLMS در تکمیل کد برجسته می کنیم.

📚 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.