We publish the best academic papers on rule-based techniques, LLMs, & the generation of text that resembles human text.
Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.
এই কাগজটি CC 4.0 লাইসেন্সের অধীনে arxiv-এ উপলব্ধ।
লেখক:
(1) D.Sinclair, Imense Ltd, এবং ইমেল: david@imense.com;
(2) WTPye, Warwick University, এবং ইমেল: willempye@gmail.com।
এলএলএমগুলি তাদের প্রকৃতির দ্বারা একটি পরীক্ষার প্রম্পটের প্রতিক্রিয়া হিসাবে পাঠ্য স্ট্রিংগুলি সরবরাহ করার জন্য ডিজাইন করা হয়েছে। তথ্য ফেরত দেওয়ার জন্য এটি সর্বদা সবচেয়ে দরকারী বিন্যাস নয়। অভ্যন্তরীণভাবে এলএলএম-এর মধ্যে টোকেনগুলির উপর সম্ভাব্য বিতরণ রয়েছে। পেপারটি একটি উদাহরণ উপস্থাপন করে যে কীভাবে আবেগ ভিত্তিক সিন্থেটিক চেতনার অংশ তৈরি করা যায় আবেগের শব্দের অভিধানে আবেগ বর্ণনাকারী সম্ভাব্যতার ভেক্টর তৈরি করে। সূক্ষ্ম দানাদার পর্যালোচনা বিশ্লেষণ, বিপণন বার্তাগুলির প্রতিক্রিয়ার ভবিষ্যদ্বাণী করা, অপরাধ সনাক্তকরণ ইত্যাদি সহ এই আবেগ সম্ভাবনা ভেক্টরের সাথে অনেকগুলি কাজ করা যেতে পারে৷ এটা সম্ভব যে আবেগ সম্ভাবনা ভেক্টরটি কৃত্রিম চেতনার পথে একটি পদক্ষেপ হতে পারে৷ এবং এটি রোবটকে আরও সহানুভূতিশীল করার একটি উপায় প্রদান করতে পারে যাতে তারা একটি ভবিষ্যদ্বাণী করতে পারে যে তারা কিছু বলতে পারে কিভাবে প্রাপক অনুভব করবে।
যদি একটি LLM থেকে যুক্তিসঙ্গত প্রতিক্রিয়া চাওয়া হয় তবে এটি একটি ভাল নীতি হতে পারে যে LLM-কে উন্মাদ চিৎকারের বিষয়ে প্রশিক্ষণ না দেওয়া যা সামাজিক মাধ্যম বিরোধী প্রচার করে এবং একইভাবে তরুণ মনকে একইভাবে প্রশিক্ষিত না করা একটি ভাল ধারণা হতে পারে।
LLMs ব্যবহার করে আবেগ সম্ভাব্যতা ভেক্টর অনুমান করুন: উপসংহার | HackerNoon