ترجمه فارسی مقاله LLM-CI: ارزیابی هنجارهای یکپارچگی متنی در مدل های زبان

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 LLM-CI: Assessing Contextual Integrity Norms in Language Models
عنوان مقاله به فارسی LLM-CI: ارزیابی هنجارهای یکپارچگی متنی در مدل های زبان
نویسندگان Yan Shvartzshnaider, Vasisht Duddu, John Lacalamita
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Cryptography and Security,Computers and Society,یادگیری ماشین , هوش مصنوعی , رمزنگاری و امنیت , رایانه ها و جامعه ,
توضیحات Submitted 5 September, 2024; originally announced September 2024. , Comments: 20 pages, 8 Figures, 4 Tables
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 20 صفحه ، 8 شکل ، 4 جدول
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

Large language models (LLMs), while memorizing parts of their training data scraped from the Internet, may also inadvertently encode societal preferences and norms. As these models are integrated into sociotechnical systems, it is crucial that the norms they encode align with societal expectations. These norms could vary across models, hyperparameters, optimization techniques, and datasets. This is especially challenging due to prompt sensitivity$-$small variations in prompts yield different responses, rendering existing assessment methodologies unreliable. There is a need for a comprehensive framework covering various models, optimization, and datasets, along with a reliable methodology to assess encoded norms. We present LLM-CI, the first open-sourced framework to assess privacy norms encoded in LLMs. LLM-CI uses a Contextual Integrity-based factorial vignette methodology to assess the encoded norms across different contexts and LLMs. We propose the multi-prompt assessment methodology to address prompt sensitivity by assessing the norms from only the prompts that yield consistent responses across multiple variants. Using LLM-CI and our proposed methodology, we comprehensively evaluate LLMs using IoT and COPPA vignettes datasets from prior work, examining the impact of model properties (e.g., hyperparameters, capacity) and optimization strategies (e.g., alignment, quantization).

چکیده به فارسی (ترجمه ماشینی)

مدل های بزرگ زبان (LLMS) ، ضمن به یاد آوردن بخش هایی از داده های آموزشی آنها که از اینترنت خارج می شوند ، ممکن است سهواً ترجیحات و هنجارهای اجتماعی را رمزگذاری کنند.از آنجا که این مدل ها در سیستم های اجتماعی فنی ادغام می شوند ، بسیار مهم است که هنجارهایی که آنها را با انتظارات اجتماعی هماهنگ می کنند.این هنجارها می تواند در بین مدل ها ، هایپرپارامترها ، تکنیک های بهینه سازی و مجموعه داده ها متفاوت باشد.این امر به ویژه به دلیل حساسیت سریع $-تغییرات کوچک $ در اعلان ها پاسخ های مختلفی را به همراه دارد ، و روشهای ارزیابی موجود را غیرقابل اعتماد می کند.نیاز به یک چارچوب جامع در مورد مدل های مختلف ، بهینه سازی و مجموعه داده ها به همراه یک روش قابل اعتماد برای ارزیابی هنجارهای رمزگذاری شده وجود دارد.ما LLM-CI را ارائه می دهیم ، اولین چارچوب منبع باز برای ارزیابی هنجارهای حریم خصوصی رمزگذاری شده در LLMS.LLM-CI از یک روش شناسی فاکتوریل مبتنی بر یکپارچگی مبتنی بر یکپارچگی برای ارزیابی هنجارهای رمزگذاری شده در زمینه های مختلف و LLM ها استفاده می کند.ما با ارزیابی هنجارها از تنها مواردی که پاسخ های مداوم در انواع مختلف دارند ، روش ارزیابی چند پردازش را برای پرداختن به حساسیت سریع پیشنهاد می کنیم.با استفاده از LLM-CI و روش پیشنهادی ما ، ما به طور جامع LLM ها را با استفاده از مجموعه داده های IoT و COPPA Vignettes از کار قبلی ارزیابی می کنیم ، تأثیر خواص مدل (به عنوان مثال ، هایپرپارامترها ، ظرفیت) و استراتژی های بهینه سازی (به عنوان مثال ، تراز ، کمیت) را بررسی می کنیم.

📚 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.