ترجمه فارسی مقاله نویدها و دام‌های مدل‌سازی زبان زایشی نقاب‌دار: چارچوب نظری و دستورالعمل‌های عملی

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 Promises and Pitfalls of Generative Masked Language Modeling: Theoretical Framework and Practical Guidelines
عنوان مقاله به فارسی نویدها و دام‌های مدل‌سازی زبان زایشی نقاب‌دار: چارچوب نظری و دستورالعمل‌های عملی
نویسندگان Yuchen Li, Alexandre Kirchmeyer, Aashay Mehta, Yilong Qin, Boris Dadachev, Kishore Papineni, Sanjiv Kumar, Andrej Risteski
فرمت مقاله انگلیسی PDF
تعداد صفحات 59
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 22 July, 2024; originally announced July 2024. , Comments: ICML 2024
توضیحات به فارسی ارسال شده 22 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: ICML 2024

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: 2,360,000 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

Autoregressive language models are the currently dominant paradigm for text generation, but they have some fundamental limitations that cannot be remedied by scale-for example inherently sequential and unidirectional generation. While alternate classes of models have been explored, we have limited mathematical understanding of their fundamental power and limitations. In this paper we focus on Generative Masked Language Models (GMLMs), a non-autoregressive paradigm in which we train a model to fit conditional probabilities of the data distribution via masking, which are subsequently used as inputs to a Markov Chain to draw samples from the model, These models empirically strike a promising speed-quality trade-off as each step can be typically parallelized by decoding the entire sequence in parallel. We develop a mathematical framework for analyzing and improving such models which sheds light on questions of sample complexity and inference speed and quality. Empirically, we adapt the T5 model for iteratively-refined parallel decoding, achieving 2-3x speedup in machine translation with minimal sacrifice in quality compared with autoregressive models. We run careful ablation experiments to give recommendations on key design choices, and make fine-grained observations on the common error modes in connection with our theory. Our mathematical analyses and empirical observations characterize both potentials and limitations of this approach, and can be applied to future works on improving understanding and performance of GMLMs. Our codes are released at https://github.com/google-research/google-research/tree/master/padir

چکیده به فارسی (ترجمه ماشینی)

مدل های زبان خودجوش الگوی غالب در حال حاضر برای تولید متن هستند ، اما آنها محدودیت های اساسی دارند که نمی توان آنها را به عنوان مثال به عنوان مثال ذاتاً پی در پی و یک طرفه اصلاح کرد.در حالی که کلاس های متناوب مدل ها مورد بررسی قرار گرفته است ، ما درک ریاضی محدود از قدرت و محدودیت های اساسی آنها داریم.در این مقاله ما بر روی مدلهای زبان ماسک شده مولد (GMLMS) ، یک الگوی غیر خودپسندانه که در آن یک مدل آموزش می دهیم تا احتمالات مشروط توزیع داده را از طریق ماسک ، که متعاقباً به عنوان ورودی به زنجیره مارکوف استفاده می شود ، تمرکز می کنیم تا نمونه ها را از آن استفاده کنند تا نمونه ها را از آن استفاده کنند.این مدل ، این مدلها به صورت تجربی به یک تجارت با کیفیت امیدوارکننده اعتصاب می کنند زیرا هر مرحله می تواند به طور معمول با رمزگشایی کل دنباله به صورت موازی موازی شود.ما یک چارچوب ریاضی برای تجزیه و تحلیل و بهبود چنین مدلهایی ایجاد می کنیم که به سؤالات پیچیدگی نمونه و سرعت و کیفیت استنباط می پردازد.از نظر تجربی ، ما مدل T5 را برای رمزگشایی موازی تکراری اصلاح شده تطبیق می دهیم ، و به سرعت 2-3 برابر در ترجمه ماشین با حداقل فداکاری در کیفیت در مقایسه با مدل های خودکار دست می یابیم.ما آزمایش های دقیق فرسایش را انجام می دهیم تا در مورد گزینه های کلیدی طراحی توصیه هایی ارائه دهیم و مشاهدات ریز و درشت در مورد حالت های خطای مشترک را در ارتباط با تئوری خود انجام دهیم.تجزیه و تحلیل ریاضی و مشاهدات تجربی ما هم پتانسیل ها و هم محدودیت های این رویکرد را مشخص می کند و می تواند در آثار آینده در زمینه بهبود درک و عملکرد GMLM ها استفاده شود.کدهای ما در https://github.com/google-research/google-research/tree/master/padir منتشر می شود

📚 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.