ترجمه فارسی مقاله HyPA-RAG: یک سیستم تولید افزوده بازیابی تطبیقی ​​پارامترهای ترکیبی برای برنامه های حقوقی و خط مشی هوش مصنوعی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی HyPA-RAG: A Hybrid Parameter Adaptive Retrieval-Augmented Generation System for AI Legal and Policy Applications
عنوان مقاله به فارسی HyPA-RAG: یک سیستم تولید افزوده بازیابی تطبیقی ​​پارامترهای ترکیبی برای برنامه های حقوقی و خط مشی هوش مصنوعی
نویسندگان Rishi Kalra, Zekun Wu, Ayesha Gulley, Airlie Hilliard, Xin Guan, Adriano Koshiyama, Philip Treleaven
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Information Retrieval,Artificial Intelligence,Machine Learning,بازیابی اطلاعات , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 29 August, 2024; originally announced September 2024. , Comments: Under review for the EMNLP 2024 Workshop on Customizable NLP: Progress and Challenges in Customizing NLP for a Domain, Application, Group, or Individual
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: تحت بررسی برای کارگاه EMNLP 2024 در مورد NLP قابل تنظیم: پیشرفت و چالش در شخصی سازی NLP برای یک دامنه ، برنامه ، گروه یا فرد
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

While Large Language Models (LLMs) excel in text generation and question-answering, their effectiveness in AI legal and policy is limited by outdated knowledge, hallucinations, and inadequate reasoning in complex contexts. Retrieval-Augmented Generation (RAG) systems improve response accuracy by integrating external knowledge but struggle with retrieval errors, poor context integration, and high costs, particularly in interpreting qualitative and quantitative AI legal texts. This paper introduces a Hybrid Parameter-Adaptive RAG (HyPA-RAG) system tailored for AI legal and policy, exemplified by NYC Local Law 144 (LL144). HyPA-RAG uses a query complexity classifier for adaptive parameter tuning, a hybrid retrieval strategy combining dense, sparse, and knowledge graph methods, and an evaluation framework with specific question types and metrics. By dynamically adjusting parameters, HyPA-RAG significantly improves retrieval accuracy and response fidelity. Testing on LL144 shows enhanced correctness, faithfulness, and contextual precision, addressing the need for adaptable NLP systems in complex, high-stakes AI legal and policy applications.

چکیده به فارسی (ترجمه ماشینی)

در حالی که مدلهای بزرگ زبان (LLMS) در تولید متن و پاسخ به سؤال برتری دارند ، اثربخشی آنها در حقوقی و سیاست هوش مصنوعی با دانش منسوخ ، توهم و استدلال ناکافی در زمینه های پیچیده محدود می شود.سیستم های نسل بازیابی (RAG) با ادغام دانش خارجی ، دقت پاسخ را بهبود می بخشند اما با خطاهای بازیابی ، ادغام ضعیف در زمینه و هزینه های بالا ، به ویژه در تفسیر متون حقوقی کیفی و کمی ، مبارزه می کنند.در این مقاله یک سیستم RAG پارامتر سازگار با پارامتر (HYPA-RAG) متناسب برای حقوقی و سیاست هوش مصنوعی ، که توسط قانون محلی NYC 144 (LL144) ارائه شده است ، معرفی شده است.HYPA-RAG از یک طبقه بندی پیچیدگی پرس و جو برای تنظیم پارامتر تطبیقی ​​، یک استراتژی بازیابی ترکیبی با ترکیب روش های متراکم ، پراکنده و نمودار دانش و یک چارچوب ارزیابی با انواع و معیارهای خاص استفاده می کند.با تنظیم پویا پارامترهای ، Hypa-RAG به طور قابل توجهی دقت بازیابی و وفاداری پاسخ را بهبود می بخشد.آزمایش در LL144 صحت ، وفاداری و دقت متنی را نشان می دهد و به نیاز به سیستم های NLP قابل انطباق در برنامه های حقوقی پیچیده ، بالایی هوش مصنوعی و سیاست پرداخته 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.