ترجمه فارسی مقاله مدل در حلقه (MILO): تسریع حاشیه نویسی داده های چند حالته هوش مصنوعی با LLMS

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Model-in-the-Loop (MILO): Accelerating Multimodal AI Data Annotation with LLMs
عنوان مقاله به فارسی مدل در حلقه (MILO): تسریع حاشیه نویسی داده های چند حالته هوش مصنوعی با LLMS
نویسندگان Yifan Wang, David Stevens, Pranay Shah, Wenwen Jiang, Miao Liu, Xu Chen, Robert Kuo, Na Li, Boying Gong, Daniel Lee, Jiabo Hu, Ning Zhang, Bob Kamma
فرمت مقاله انگلیسی PDF
تعداد صفحات 41
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Human-Computer Interaction,Artificial Intelligence,Computation and Language,Machine Learning,تعامل انسان و رایانه , هوش مصنوعی , محاسبات و زبان , یادگیری ماشین ,
توضیحات Submitted 16 September, 2024; originally announced September 2024.
توضیحات به فارسی ارائه شده 16 سپتامبر 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

The growing demand for AI training data has transformed data annotation into a global industry, but traditional approaches relying on human annotators are often time-consuming, labor-intensive, and prone to inconsistent quality. We propose the Model-in-the-Loop (MILO) framework, which integrates AI/ML models into the annotation process. Our research introduces a collaborative paradigm that leverages the strengths of both professional human annotators and large language models (LLMs). By employing LLMs as pre-annotation and real-time assistants, and judges on annotator responses, MILO enables effective interaction patterns between human annotators and LLMs. Three empirical studies on multimodal data annotation demonstrate MILO's efficacy in reducing handling time, improving data quality, and enhancing annotator experiences. We also introduce quality rubrics for flexible evaluation and fine-grained feedback on open-ended annotations. The MILO framework has implications for accelerating AI/ML development, reducing reliance on human annotation alone, and promoting better alignment between human and machine values.

چکیده به فارسی (ترجمه ماشینی)

تقاضای فزاینده برای داده های آموزش AI ، حاشیه نویسی داده ها را به یک صنعت جهانی تبدیل کرده است ، اما رویکردهای سنتی با تکیه بر حاشیه نویسان انسانی غالباً وقت گیر ، فشرده کار و مستعد کیفیت متناقض هستند.ما چارچوب مدل در حلقه (MILO) را پیشنهاد می کنیم ، که مدل های AI/ML را در فرآیند حاشیه نویسی ادغام می کند.تحقیقات ما یک الگوی مشترک را معرفی می کند که از نقاط قوت حاشیه نویسی حرفه ای انسانی و مدل های بزرگ زبان (LLM) استفاده می کند.MILO با استفاده از LLM ها به عنوان دستیاران پیش از حاشیه و در زمان واقعی و داوران پاسخ های حاشیه نویسی ، الگوهای تعامل مؤثر بین حاشیه نویسی های انسانی و LLM ها را امکان پذیر می کند.سه مطالعه تجربی در حاشیه نویسی داده های چندمودالی نشان دهنده اثربخشی میلو در کاهش زمان رسیدگی ، بهبود کیفیت داده ها و تقویت تجربیات حاشیه نویسی است.ما همچنین برای ارزیابی انعطاف پذیر و بازخورد ریز و درشت در حاشیه های باز ، مقالات با کیفیت را معرفی می کنیم.چارچوب MILO پیامدهایی برای تسریع در توسعه AI/ML ، کاهش اعتماد به نفس به تنهایی و ترویج تراز بهتر بین مقادیر انسانی و دستگاه دارد.

📚 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.