اکسپرس 24
ترجمه فارسی مقاله miniCTX: اثبات قضیه عصبی با (متن‌های) طولانی

ترجمه فارسی مقاله miniCTX: اثبات قضیه عصبی با (متن‌های) طولانی

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 miniCTX: Neural Theorem Proving with (Long-)Contexts
عنوان مقاله به فارسی miniCTX: اثبات قضیه عصبی با (متن‌های) طولانی
نویسندگان Jiewen Hu, Thomas Zhu, Sean Welleck
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
دسته بندی موضوعات Artificial Intelligence,Computation and Language,Machine Learning,هوش مصنوعی , محاسبات و زبان , یادگیری ماشین ,
توضیحات Submitted 5 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

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

قیمت: 760,000 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

We introduce miniCTX, which tests a model's ability to prove formal mathematical theorems that depend on new definitions, lemmas, or other contextual information that was not observed during training. miniCTX contains theorems sourced from real Lean projects and textbooks, each associated with a context that can span tens of thousands of tokens. Models are tasked with proving a theorem given access to code from the theorem's repository, which contains context that is helpful or needed for the proof. As a baseline for miniCTX, we introduce file-tuning, a simple recipe that trains a model to generate a proof step conditioned on the preceding file contents. File-tuning substantially outperforms the traditional neural theorem proving approach that fine-tunes on states alone. Additionally, our file-tuned model improves performance on the standard miniF2F benchmark, achieving a pass rate of 33.61%, which is a new state-of-the-art for 1.3B parameter models. Alongside miniCTX, we offer ntp-toolkit for automatically extracting and annotating theorem proving data, making it easy to add new projects into miniCTX to ensure that contexts are not seen during training. miniCTX offers a challenging and realistic perspective on evaluating neural theorem provers.

چکیده به فارسی (ترجمه ماشینی)

ما MINICTX را معرفی می کنیم ، که توانایی یک مدل را در اثبات قضایای رسمی ریاضی که به تعاریف جدید ، لمماس یا سایر اطلاعات متنی که در طول آموزش مشاهده نشده است ، آزمایش می کند.minictx حاوی قضایایی است که از پروژه ها و کتابهای درسی واقعی تهیه شده است ، هر یک با زمینه ای همراه است که می تواند ده ها هزار توکن باشد.مدل ها وظیفه دارند یک قضیه را که به کد از مخزن قضیه دسترسی پیدا می کند ، اثبات کند ، که حاوی زمینه ای است که برای اثبات مفید یا مورد نیاز است.به عنوان یک پایه برای MinicTX ، ما تنظیم تنظیم پرونده را معرفی می کنیم ، یک دستور العمل ساده که یک مدل را برای تولید یک مرحله اثبات با شرط مطالب پرونده قبلی آموزش می دهد.تنظیم پرونده به طور قابل ملاحظه ای از رویکرد سنتی قضیه اثبات کننده اثبات شده است که به تنهایی بر روی دولتها تنظیم می شود.علاوه بر این ، مدل تنظیم شده از پرونده ما عملکرد را در معیار استاندارد Minif2F بهبود می بخشد و به نرخ عبور 33.61 ٪ دست می یابد ، که یک مدل جدید برای مدل های پارامتر 1.3B است.در کنار Minictx ، ما NTP-ToolKit را برای استخراج خودکار و حاشیه نویسی داده های اثبات قضیه ارائه می دهیم ، و افزودن پروژه های جدید به Minictx را آسان می کند تا اطمینان حاصل شود که زمینه ها در طول آموزش دیده نمی شوند.MINICTX یک دیدگاه چالش برانگیز و واقع بینانه در مورد ارزیابی پیشرانهای قضیه عصبی ارائه می دهد.

📚 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.