Computation and Language,Artificial Intelligence,Information Retrieval,Machine Learning,محاسبه و زبان , هوش مصنوعی , بازیابی اطلاعات , یادگیری ماشین ,
توضیحات
Submitted 9 September, 2024; originally announced September 2024. , Comments: Ongoing work; code and dataset are available at https://github.com/zjunlp/EasyEdit
توضیحات به فارسی
ارسال شده در 9 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: کار در حال انجام ؛کد و مجموعه داده در https://github.com/zjunlp/easyedit در دسترس است
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
While Large Language Models (LLMs) exhibit remarkable generative capabilities, they are not without flaws, particularly in the form of hallucinations. This issue is even more pronounced when LLMs are applied to specific languages and domains. For example, LLMs may generate nonsense information when handling Chinese ancient poetry, proverbs, or idioms, owing to the lack of specific knowledge. To this end, this paper introduces a benchmark for rectifying Chinese knowledge in LLMs via knowledge editing. Specifically, we introduce a new Chinese dataset, CKnowEdit, by collecting seven type of knowledge from various sources, including classical texts, idioms, and content from Baidu Tieba Ruozhiba, thereby accounting for the unique polyphony, antithesis, and logical constructs inherent in the Chinese language. Through the analysis of this dataset, we uncover the challenges faced by current LLMs in mastering Chinese. Furthermore, our evaluation of state-of-the-art knowledge editing techniques on this dataset unveil the substantial scope for advancement in the rectification of Chinese knowledge. Code and dataset are available at https://github.com/zjunlp/EasyEdit.
چکیده به فارسی (ترجمه ماشینی)
در حالی که مدل های بزرگ زبان (LLMS) قابلیت های تولیدی قابل توجهی را نشان می دهند ، به ویژه در قالب توهم ، بدون نقص نیستند.وقتی LLM ها به زبانها و دامنه های خاص اعمال می شوند ، این مسئله حتی بیشتر برجسته می شود.به عنوان مثال ، LLMS به دلیل عدم وجود دانش خاص ، ممکن است اطلاعات مزخرف را هنگام رسیدگی به شعر باستانی ، ضرب المثل ها یا اصطلاحات چینی ایجاد کند.برای این منظور ، این مقاله یک معیار برای اصلاح دانش چینی در LLMS از طریق ویرایش دانش ارائه می دهد.به طور خاص ، ما با جمع آوری هفت نوع دانش از منابع مختلف ، از جمله متون کلاسیک ، اصطلاحات و محتوای Baidu Tieba Ruozhiba ، یک مجموعه داده جدید چینی را معرفی می کنیم ، و از این طریق برای ساختارهای منحصر به فرد ، ضدیت و ساختارهای منطقی ذاتی چینی حساب می کنیم.زباناز طریق تجزیه و تحلیل این مجموعه داده ، ما از چالش های پیش روی LLM های فعلی در تسلط بر چینی ها پرده برداری می کنیم.علاوه بر این ، ارزیابی ما از تکنیک های پیشرفته ویرایش دانش در این مجموعه داده از دامنه قابل توجهی برای پیشرفت در تصحیح دانش چینی پرده برداشت.کد و مجموعه داده در https://github.com/zjunlp/easyedit در دسترس است.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
