ترغب بنشر مسار تعليمي؟ اضغط هنا

المحولات هي وحدات خفيفة الوزن تسمح بضبط النماذج الدقيقة التي يتمتع بها المعلمة. تم اقتراح محولات اللغة والمهمة المتخصصة مؤخرا لتسهيل التحويل عبر اللغات للنماذج المحددة متعددة اللغات (Pfeiffer et al.، 2020b). ومع ذلك، يتطلب هذا النهج تدريب محول لغة من فصل لكل لغة ترغب في الدعم، مما قد يكون غير صحيح لغات مع بيانات محدودة. الحل البديهي هو استخدام محول لغة ذات صلة لتنوع اللغات الجديدة، لكننا نلاحظ أن هذا الحل يمكن أن يؤدي إلى الأداء دون الأمثل. في هذه الورقة، نهدف إلى تحسين متانة المحولات اللغوية باللغات غير المكشوفة دون تدريب محولات جديدة. نجد أن الكشف عن محولات متعددة اللغات متعددة يجعل النموذج الدقيق أكثر قوة أكثر بكثير من أصناف اللغة الأخرى غير المدرجة في هذه المحولات. بناء على هذه الملاحظة، نقترح Entropy Minimized Entermble of Adrapters (EMEA)، وهي طريقة تعمل على تحسين أوزان مجموعة محولات اللغة المحددة مسبقا لكل جملة اختبار عن طريق تقليل انتروبيا من تنبؤاتها. تبين التجارب في ثلاث مجموعات متنوعة من الأصناف اللغوية أن طريقتنا تؤدي إلى تحسينات كبيرة على كل من الاعتراف الكياري المسمى ووضع علامات جزء من الكلام في جميع اللغات.
تستخدم أسئلة متعددة الخيارات (MCQs) على نطاق واسع في تقييم المعرفة في المؤسسات التعليمية، أثناء مقابلات العمل، في الاختبارات الترفيهية والألعاب.على الرغم من أن البحث عن الجيل التلقائي أو شبه التلقائي من عناصر اختبار متعددة الخيارات قد أجريت منذ بداية هذه الألفية، تركز معظم الأساليب على توليد الأسئلة من جملة واحدة.في هذا البحث، يتم تقديم طريقة حديثة لإنشاء أسئلة بناء على جمل متعددة.كانت مستوحاة من مطابقات التشابه الدلالي المستخدمة في مكون ذاكرة الترجمة من أنظمة إدارة الترجمة.يتم مقارنة أداء اثنين من خوارزميات التعلم العميق، Doc2vec و Sbert، مهمة التشابه الفقرة.يتم إجراء التجارب على Corpus AD-HOC داخل مجال الاتحاد الأوروبي.للتقييم التلقائي، تم تجميع كائن أصغر من فقرات مطابقة مختارة يدويا.النتائج تثبت الأداء الجيد ل Argeddings الجملة للمهمة المحددة.
في هذه الورقة، نقترح تنفيذ الدلالات الزمنية التي تترجم أشجار بناء الجملة إلى الصيغ المنطقية، ومناسبة للاستهلاك من قبل مساعد دليل COQ.يدعم التحليل مجموعة واسعة من الظواهر بما في ذلك: المراجع الزمنية والظروف الزمنية والفصول الجوفية والتقدميين.يتم بناء الدلالات الجديدة على رأس نظام سابق يتعامل مع جميع أقسام جناح اختبار FRACAS باستثناء القسم المرجعي الزمني، والحصول على دقة قدرها 81 في المائة عموما و 73 في المائة للمشاكل التي تحملها صراحة فيما يتعلق بالرجوع الزمني.على حد علمنا، هذا هو أفضل أداء للنظام المنطقي على كامل Fracas.
الابتكار البشري في اللغة، مثل اختراع كلمات جديدة، هو تحد لنماذج اللغة المحددة مسبقا.نقوم بتقييم قدرة نموذج واحد كبير، GPT-3، لمعالجة الكلمات الجديدة وتحديد معناها.نقوم بإنشاء مجموعة من الكلمات غير المعنية و GPT-3 المزاج لتوليد تعريفات القاموس الخاصة بهم.نجد GPT-3 تنتج تعريفات معقولة تتماشى مع الأحكام الإنسانية.علاوة على ذلك، يتم تفضيل تعريفات GPT-3 في بعض الأحيان لأولئك الذين اخترعهم البشر، مما يشير إلى قدرتها الفائولة على التكيف فقط، ولكن للإضافة إلى المفردات المتطورة للغة الإنجليزية.
يعد تحسين تعميم النموذج حول البيانات المحتفظ بها أحد الأهداف الأساسية في التفكير المعني بالمعنى. لقد أظهر العمل الحديث أن النماذج المدربة على مجموعة البيانات مع الإشارات السطحية تميل إلى أداء جيد في الاختبار السهل مع الإشارات السطحية ولكنها تؤدي بشكل سيء على مجموعة الاختبار الثابت دون إشارات سطحية. لجأت النهج السابقة إلى الأساليب اليدوية لتشجيع النماذج غير المبالفة للعظة السطحية. في حين أن بعض الأساليب قد تحسن الأداء على الحالات الصعبة، فإنها تؤدي أيضا إلى أدائها المتدهورة بشأن التعرضات السهلة. هنا، نقترح أن تتعلم صراحة نموذجا جيدا على كل من مجموعة الاختبار السهلة مع الإشارات السطحية ومجموعة الاختبار الثابت دون إشارات سطحية. باستخدام هدف التعلم التلوي، نتعلم مثل هذا النموذج الذي يحسن الأداء على كل من مجموعة الاختبار السهلة ومجموعة الاختبار الثابت. من خلال تقييم نماذجنا عند اختيار البدائل المعقولة (COPA) وشرح المنطقي، نوضح أن أسلوبنا المقترح يؤدي إلى تحسين الأداء على كل من مجموعة الاختبارات السهلة ومجموعة الاختبار الصعب الذي نلاحظ عليه ما يصل إلى 16.5 نقطة مئوية من التحسن على أساس الأساس وبعد
من الصعب تقييم نماذج اللغة.ونحن نفرج عن Supersim، ومجموعة تشابه ورابطات متعلقة على نطاق واسع في السويدية التي بنيت أحكاما بشرية خبراء.يتكون مجموعة الاختبار من 1،360 كلمة أزواج يحكمها بشكل مستقل لكل من الرصيد والتشابه بمقدار خمسة Annotators.نقوم بتقيي م ثلاث نماذج مختلفة (Word2VEC، FastText، والقفازات) المدربين على مجموعة بيانات سويدية منفصلة، وهي كوربوس Gigaword السويدية وتفريغ ويكيبيديا السويدية، لتوفير خط أساس للمقارنة في المستقبل.سنقوم بتصدر مجموعة الاختبارات المشروحة بالكامل والنماذج والنماذج والبيانات.
تشهد الامتحانات في النظام التعليمي في سوريا نموّاً مضطرداً مع ازدياد عدد الامتحانات التي تحدده المدارس و الكليّات سنويّاً بمقدار ثلاث أضعاف. و قد أدّى هذا التضخّم الامتحاني إلي ولادة 'testocracy' مقدّمة تحدّيات جديدة للممتحَنين و الممتحنين معاً. و من بين كل الامتحانات التي يخوضها الطلاب السوريون, يعتبر امتحان الشهادة الثانويّة الأكثر أهميّة. في هذا البحث ، نحاول تسليط الضوء على جزء واحد من هذا الامتحان ، وهو امتحان الشهادة الثانويّة للغة الإنجليزية. ضمن الخطوط العريضة للاختبار اللغوي ، استهدفنا التحقيق في إمكانية التنبؤ بأوجه معينة من تأثير الاختبار من خلال الفحص الدقيق لنموذج الاختبار بمعزل عن العوامل الأخرى في بيئة التعليم و التعلم.
لقد تم تحضیر مادة مركبة بولیمیریة عبارة عن ( راتنج الریزول المعدل/ألیاف السیلیكا القصیرة)، حیث تم تصنیع راتنج الریزول و من ثم مزجه مع بولیمیر البولي ڤینیل بوتیرال بنسب وزنیة مختلفة من أجل التقلیل من قصافة راتنج الریزول، حیث تمت دراسة خصائص المزائج المیكانیكیة و الحراریة و الفیزیائیة لاختیار أفضل نسبة مزج للبولي ڤینیل بوتیرال مع راتنج الریزول و التي كانت تساوي 15 جزء وزني بولي ڤینیل بوتیرال لكل 100 جزء وزني من راتنج الریزول.
جرى في هذا البحث محاكاة المفاعل MTR-22MW, و دراسة احتراق الوقود من النوعين المعياري و المختلط باستخدام الكودين MCNP5 & GETERA. بينت نتائج المحاكاة، أن زمن تشغيل المفاعل يبلغ 274 يوم في حالة استخدام وقود من النوع المعياري، و 135 يوم في حالة استخدام وقود من النوع المختلط.
يقدم هذا البحث عاملا سلبيا له صلة باكتساب\تعلم اللغة الثانية. يعتبر هذا العامل حاجزا يعيق اللغة الثانية من الولوج إلى الدماغ. و حتى إن دخلت هذه اللغة إلى الدماغ فإن هذا العائق سوف يحول دون تقدم اللغة داخل الدماغ, و بالتالي سوف لن يكون هناك ناتج أو تحصيل على صعيد اللغة لكي يخرج من الدماغ.
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا