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
Aligning large language models (LLMs) with a human reasoning approach ensures that LLMs produce morally correct and human-like decisions. Ethical concerns are raised because current models are prone to generating false positives and providing malicious responses. To contribute to this issue, we have curated an ethics dataset named Dataset for Aligning Reasons (DFAR), designed to aid in aligning language models to generate human-like reasons. The dataset comprises statements with ethical-unethical labels and their corresponding reasons. In this study, we employed a unique and novel fine-tuning approach that utilizes ethics labels and their corresponding reasons (L+R), in contrast to the existing fine-tuning approach that only uses labels (L). The original pre-trained versions, the existing fine-tuned versions, and our proposed fine-tuned versions of LLMs were then evaluated on an ethical-unethical classification task and a reason-generation task. Our proposed fine-tuning strategy notably outperforms the others in both tasks, achieving significantly higher accuracy scores in the classification task and lower misalignment rates in the reason-generation task. The increase in classification accuracies and decrease in misalignment rates indicate that the L+R fine-tuned models align more with human ethics. Hence, this study illustrates that injecting reasons has substantially improved the alignment of LLMs, resulting in more human-like responses. We have made the DFAR dataset and corresponding codes publicly available at https://github.com/apurba-nsu-rnd-lab/DFAR.
چکیده به فارسی (ترجمه ماشینی)
تراز کردن مدلهای بزرگ زبان (LLM) با یک رویکرد استدلال انسان ، تضمین می کند که LLM ها تصمیمات اخلاقی صحیح و مانند انسان را تولید می کنند.نگرانی های اخلاقی مطرح می شود زیرا مدل های فعلی مستعد تولید مثبت کاذب و ارائه پاسخ های مخرب هستند.برای مشارکت در این موضوع ، ما یک مجموعه داده اخلاق به نام مجموعه داده را به دلایل تراز (DFAR) ، طراحی کرده ایم که برای کمک به تراز کردن مدلهای زبان برای ایجاد دلایل مانند انسان طراحی شده است.این مجموعه داده شامل اظهاراتی با برچسب های اخلاقی و غیر اخلاقی و دلایل مربوطه آنها است.در این مطالعه ، ما از یک رویکرد تنظیم دقیق و جدید و جدید استفاده کردیم که از برچسب های اخلاق و دلایل مربوط به آنها (L+R) استفاده می کند ، بر خلاف رویکرد تنظیم دقیق موجود که فقط از برچسب ها استفاده می کند (L).نسخه های اصلی از قبل آموزش دیده ، نسخه های تنظیم شده خوب موجود ، و نسخه های خوب تنظیم شده ما از LLM ها سپس بر روی یک کار طبقه بندی اخلاقی و غیر اخلاقی و یک کار نسل استدلال مورد بررسی قرار گرفتند.استراتژی تنظیم دقیق پیشنهادی ما به ویژه در هر دو کار از دیگران بهتر عمل می کند ، به نمرات دقت قابل توجهی بالاتر در کار طبقه بندی و پایین آمدن نرخ سوء استفاده در کار نسل استدلال می رسد.افزایش دقت طبقه بندی و کاهش نرخ سوء استفاده نشان می دهد که مدل های تنظیم شده L+R بیشتر با اخلاق انسانی هماهنگ هستند.از این رو ، این مطالعه نشان می دهد که دلایل تزریق به طور قابل ملاحظه ای تراز LLM ها را بهبود بخشیده است ، و در نتیجه پاسخ های شبیه به انسان ایجاد می شود.ما مجموعه داده های DFAR و کدهای مربوطه را به صورت عمومی در https://github.com/apurba-nsu-rnd-lab/dfar در دسترس قرار داده ایم.
📚 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
