اکسپرس 24
ترجمه فارسی مقاله چارچوبی برای تنظیم دقیق LLM ها با استفاده از بازخورد ناهمگن

ترجمه فارسی مقاله چارچوبی برای تنظیم دقیق LLM ها با استفاده از بازخورد ناهمگن

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 A Framework for Fine-Tuning LLMs using Heterogeneous Feedback
عنوان مقاله به فارسی چارچوبی برای تنظیم دقیق LLM ها با استفاده از بازخورد ناهمگن
نویسندگان Ryan Aponte, Ryan A. Rossi, Shunan Guo, Franck Dernoncourt, Tong Yu, Xiang Chen, Subrata Mitra, Nedim Lipka
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: 7 pages, 1 figure , ACM Class: I.2.7
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 7 صفحه ، 1 شکل ، کلاس ACM: I.2.7

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 280,000 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

Large language models (LLMs) have been applied to a wide range of tasks, including text summarization, web navigation, and chatbots. They have benefitted from supervised fine-tuning (SFT) and reinforcement learning from human feedback (RLHF) following an unsupervised pretraining. These datasets can be difficult to collect, limited in scope, and vary in sample quality. Additionally, datasets can vary extensively in supervision format, from numerical to binary as well as multi-dimensional with many different values. We present a framework for fine-tuning LLMs using heterogeneous feedback, which has two main components. First, we combine the heterogeneous feedback data into a single supervision format, compatible with methods like SFT and RLHF. Next, given this unified feedback dataset, we extract a high-quality and diverse subset to obtain performance increases potentially exceeding the full dataset. We conduct extensive experiments to understand the effectiveness of these techniques for incorporating heterogeneous feedback, and demonstrate improvements from using a high-quality and diverse subset of the data. We find that our framework is able to improve models in multiple areas simultaneously, such as in instruction following and bias reduction.

چکیده به فارسی (ترجمه ماشینی)

مدل های بزرگ زبان (LLMS) برای طیف گسترده ای از کارها از جمله خلاصه متن ، ناوبری وب و چت بابات استفاده شده است.آنها به دنبال یک تنظیم دقیق (SFT) و یادگیری تقویت شده از بازخورد انسانی (RLHF) به دنبال پیشگویی بدون نظارت هستند.جمع آوری این مجموعه داده ها می تواند دشوار باشد ، محدودیت در دامنه و در کیفیت نمونه متفاوت است.علاوه بر این ، مجموعه داده ها می توانند در قالب نظارت متفاوت باشند ، از عددی تا باینری و همچنین چند بعدی با مقادیر مختلف.ما یک چارچوب برای LLM های تنظیم دقیق با استفاده از بازخورد ناهمگن ، که دارای دو مؤلفه اصلی است ، ارائه می دهیم.اول ، ما داده های بازخورد ناهمگن را در یک قالب نظارت واحد ترکیب می کنیم ، با روش هایی مانند SFT و RLHF سازگار است.در مرحله بعد ، با توجه به این مجموعه داده بازخورد یکپارچه ، ما یک زیر مجموعه با کیفیت بالا و متنوع را برای به دست آوردن عملکرد به طور بالقوه فراتر از مجموعه داده کامل استخراج می کنیم.ما آزمایش های گسترده ای را برای درک اثربخشی این تکنیک ها برای ترکیب بازخورد ناهمگن انجام می دهیم و از استفاده از یک زیر مجموعه با کیفیت بالا و متنوع از داده ها پیشرفت می کنیم.ما می دانیم که چارچوب ما قادر به بهبود مدل ها در چندین زمینه به طور همزمان ، مانند دستورالعمل های زیر و کاهش تعصب 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.

🎯 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.