ترجمه فارسی مقاله ماتریوشکا-آداپتور: تنظیم بدون نظارت و نظارت‌شده برای ابعاد جاسازی کوچک‌تر

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 Matryoshka-Adaptor: Unsupervised and Supervised Tuning for Smaller Embedding Dimensions
عنوان مقاله به فارسی ماتریوشکا-آداپتور: تنظیم بدون نظارت و نظارت‌شده برای ابعاد جاسازی کوچک‌تر
نویسندگان Jinsung Yoon, Raj Sinha, Sercan O Arik, Tomas Pfister
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 17 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده 17 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 760,000 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

Embeddings from Large Language Models (LLMs) have emerged as critical components in various applications, particularly for information retrieval. While high-dimensional embeddings generally demonstrate superior performance as they contain more salient information, their practical application is frequently hindered by elevated computational latency and the associated higher cost. To address these challenges, we propose Matryoshka-Adaptor, a novel tuning framework designed for the customization of LLM embeddings. Matryoshka-Adaptor facilitates substantial dimensionality reduction while maintaining comparable performance levels, thereby achieving a significant enhancement in computational efficiency and cost-effectiveness. Our framework directly modifies the embeddings from pre-trained LLMs which is designed to be seamlessly integrated with any LLM architecture, encompassing those accessible exclusively through black-box APIs. Also, it exhibits efficacy in both unsupervised and supervised learning settings. A rigorous evaluation conducted across a diverse corpus of English, multilingual, and multimodal datasets consistently reveals substantial gains with Matryoshka-Adaptor. Notably, with Google and OpenAI Embedding APIs, Matryoshka-Adaptor achieves a reduction in dimensionality ranging from two- to twelve-fold without compromising performance across multiple BEIR datasets.

چکیده به فارسی (ترجمه ماشینی)

تعبیه از مدل های بزرگ زبان (LLMS) به عنوان مؤلفه های مهم در برنامه های مختلف ، به ویژه برای بازیابی اطلاعات ظاهر شده است.در حالی که تعبیهات با ابعاد بالا عموماً عملکرد برتر را نشان می دهد زیرا حاوی اطلاعات برجسته تر است ، کاربرد عملی آنها غالباً با افزایش تأخیر محاسباتی و هزینه بالاتر مرتبط می شود.برای پرداختن به این چالش ها ، ما Matryoshka-Adaptor را پیشنهاد می کنیم ، یک چارچوب تنظیم جدید که برای سفارشی سازی تعبیه LLM طراحی شده است.Matryoshka-adaptor ضمن حفظ سطح عملکرد قابل مقایسه ، کاهش بعد قابل توجهی را تسهیل می کند ، در نتیجه دستیابی به افزایش قابل توجهی در راندمان محاسباتی و مقرون به صرفه بودن.چارچوب ما مستقیماً تعبیه شده از LLM های از قبل آموزش دیده را تغییر می دهد که به گونه ای طراحی شده است که با هر معماری LLM یکپارچه ادغام شود ، و شامل مواردی است که به طور انحصاری از طریق API های جعبه سیاه قابل دسترسی است.همچنین ، در هر دو تنظیمات یادگیری بدون نظارت و تحت نظارت ، اثربخشی دارد.یک ارزیابی دقیق که در میان مجموعه های متنوعی از مجموعه داده های انگلیسی ، چند زبانه و چند حالته انجام شده است ، به طور مداوم دستاوردهای قابل توجهی با Matryoshka-Adaptor را نشان می دهد.نکته قابل توجه ، با توجه به API های Google و OpenAi ، Matryoshka-Adaptor به کاهش ابعاد از دو تا دوازده برابر و بدون به خطر انداختن عملکرد در چندین مجموعه داده Beir دست می یابد.

📚 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.