ترجمه فارسی مقاله قوانین تجدید نظر برای تولید زبان: یک دیدگاه نظری ارتباطی

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 Reranking Laws for Language Generation: A Communication-Theoretic Perspective
عنوان مقاله به فارسی قوانین تجدید نظر برای تولید زبان: یک دیدگاه نظری ارتباطی
نویسندگان António Farinhas, Haau-Sing Li, André F. T. Martins
فرمت مقاله انگلیسی PDF
تعداد صفحات 25
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Machine Learning,Machine Learning,محاسبه و زبان , یادگیری ماشین , یادگیری ماشین ,
توضیحات Submitted 11 September, 2024; originally announced September 2024. , Comments: Preprint
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: preprint
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

To ensure large language models (LLMs) are used safely, one must reduce their propensity to hallucinate or to generate unacceptable answers. A simple and often used strategy is to first let the LLM generate multiple hypotheses and then employ a reranker to choose the best one. In this paper, we draw a parallel between this strategy and the use of redundancy to decrease the error rate in noisy communication channels. We conceptualize the generator as a sender transmitting multiple descriptions of a message through parallel noisy channels. The receiver decodes the message by ranking the (potentially corrupted) descriptions and selecting the one found to be most reliable. We provide conditions under which this protocol is asymptotically error-free (i.e., yields an acceptable answer almost surely) even in scenarios where the reranker is imperfect (governed by Mallows or Zipf-Mandelbrot models) and the channel distributions are statistically dependent. We use our framework to obtain reranking laws which we validate empirically on two real-world tasks using LLMs: text-to-code generation with DeepSeek-Coder 7B and machine translation of medical data with TowerInstruct 13B.

چکیده به فارسی (ترجمه ماشینی)

برای اطمینان از استفاده از مدل های بزرگ زبان (LLM) ، باید تمایل آنها به توهم یا ایجاد پاسخ های غیرقابل قبول را کاهش داد.یک استراتژی ساده و غالباً استفاده شده این است که ابتدا اجازه دهید LLM فرضیه های مختلفی را تولید کند و سپس از یک Reranker برای انتخاب بهترین استفاده کند.در این مقاله ، ما بین این استراتژی و استفاده از افزونگی برای کاهش میزان خطا در کانال های ارتباطی پر سر و صدا ، موازی می کنیم.ما ژنراتور را به عنوان یک فرستنده که چندین توضیحات از یک پیام را از طریق کانال های پر سر و صدا موازی منتقل می کند ، مفهوم می کنیم.گیرنده با رتبه بندی توضیحات (بالقوه فاسد) پیام را رمزگشایی می کند و انتخابی را که به نظر می رسد قابل اطمینان ترین است ، رمزگشایی می کند.ما شرایطی را فراهم می کنیم که تحت این پروتکل به صورت نامتقارن بدون خطا (یعنی پاسخ قابل قبول تقریباً مطمئناً) حتی در سناریوهایی که Reranker ناقص است (توسط مدل های Mallows یا Zipf-Mandelbrot اداره می شود) و توزیع کانال از نظر آماری وابسته است.ما از چارچوب خود برای به دست آوردن قوانین مجدد استفاده می کنیم که به صورت تجربی در دو کار در دنیای واقعی با استفاده از LLM ها اعتبار می دهیم: تولید متن به کد با Deepseek-Coder 7B و ترجمه دستگاه داده های پزشکی با برج ساختار 13b.

📚 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.