ترجمه فارسی مقاله نظرسنجی در مورد تقطیر دانش نمادین از مدل های بزرگ زبان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A Survey on Symbolic Knowledge Distillation of Large Language Models
عنوان مقاله به فارسی نظرسنجی در مورد تقطیر دانش نمادین از مدل های بزرگ زبان
نویسندگان Kamal Acharya, Alvaro Velasquez, Houbing Herbert Song
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 12 July, 2024; originally announced August 2024. , Comments: 21 pages, 7 figures
توضیحات به فارسی ارائه شده 12 ژوئیه 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 21 صفحه ، 7 شکل
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

This survey paper delves into the emerging and critical area of symbolic knowledge distillation in Large Language Models (LLMs). As LLMs like Generative Pre-trained Transformer-3 (GPT-3) and Bidirectional Encoder Representations from Transformers (BERT) continue to expand in scale and complexity, the challenge of effectively harnessing their extensive knowledge becomes paramount. This survey concentrates on the process of distilling the intricate, often implicit knowledge contained within these models into a more symbolic, explicit form. This transformation is crucial for enhancing the interpretability, efficiency, and applicability of LLMs. We categorize the existing research based on methodologies and applications, focusing on how symbolic knowledge distillation can be used to improve the transparency and functionality of smaller, more efficient Artificial Intelligence (AI) models. The survey discusses the core challenges, including maintaining the depth of knowledge in a comprehensible format, and explores the various approaches and techniques that have been developed in this field. We identify gaps in current research and potential opportunities for future advancements. This survey aims to provide a comprehensive overview of symbolic knowledge distillation in LLMs, spotlighting its significance in the progression towards more accessible and efficient AI systems.

چکیده به فارسی (ترجمه ماشینی)

این مقاله نظرسنجی به منطقه نوظهور و مهم تقطیر دانش نمادین در مدلهای بزرگ زبان (LLMS) می پردازد.از آنجا که LLM ها مانند ترانسفورماتور از پیش آموزش از پیش آموزش دیده (GPT-3) و بازنمایی رمزگذار دو طرفه از ترانسفورماتورها (BERT) در مقیاس و پیچیدگی گسترش می یابند ، چالش استفاده مؤثر از دانش گسترده آنها مهم است.این بررسی بر روند تقطیر دانش پیچیده و غالباً ضمنی موجود در این مدل ها به شکلی نمادین تر و صریح تر متمرکز است.این تحول برای تقویت تفسیر ، کارآیی و کاربرد LLM ها بسیار مهم است.ما تحقیقات موجود را بر اساس روشها و برنامه ها طبقه بندی می کنیم ، با تمرکز بر اینکه چگونه می توان از تقطیر دانش نمادین برای بهبود شفافیت و عملکرد مدل های هوش مصنوعی کوچکتر و کارآمدتر (AI) استفاده کرد.در این نظرسنجی ، چالش های اصلی ، از جمله حفظ عمق دانش در یک قالب قابل درک ، مورد بحث قرار می گیرد و رویکردها و تکنیک های مختلفی را که در این زمینه توسعه یافته است ، بررسی می کند.ما شکاف در تحقیقات فعلی و فرصت های بالقوه برای پیشرفت های آینده را شناسایی می کنیم.این نظرسنجی با هدف ارائه یک مرور کلی از تقطیر دانش نمادین در LLM ها ، توجه به اهمیت آن در پیشرفت به سمت سیستم های AI در دسترس و کارآمدتر 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.