กลับไปที่ข่าว
นวัตกรรมAI Understanding บรรยายสรุป

การเรียกค้นรหัสภาษาธรรมชาติสำหรับ 1C:Enterprise: เกณฑ์มาตรฐานแบบเปิดและตัวเข้ารหัสแบบ Bi ที่มีประสิทธิภาพ

การดึงรหัสภาษาธรรมชาติเป็นงานที่พัฒนาอย่างรวดเร็วในสาขาวิทยาการคอมพิวเตอร์ อย่างไรก็ตาม ระบบนิเวศ 1C:Enterprise ผสมผสานไวยากรณ์ภาษารัสเซียเข้ากับคำศัพท์เฉพาะโดเมนขั้นสูง ซึ่งชุดข้อมูลแบบเปิดและโมเดลพิเศษแทบไม่มีอยู่จริง

5 min readRead the primary source
Source-page capture accompanying Natural Language Code Retrieval for 1C:Enterprise: An Open Benchmark and Efficient Bi-Encoder
เอกสารต้นทางหลักแหล่งที่มาบันทึกไว้
สำนักพิมพ์
arxiv.org
ลิงค์แหล่งที่มา
arxiv.orghttps://arxiv.org/abs/2608.19957
ประเภทแหล่งที่มา
เอกสารหลัก — ประกาศอย่างเป็นทางการ เอกสาร เอกสาร หรือหน้าแรกที่เราอ่านโดยตรง
บริบทเข้าใจสิ่งนี้ใน 60 วินาที

เริ่มที่นี่

เงื่อนไขสำคัญ

Bi-Encoder
โมเดลที่เข้ารหัสการสืบค้นและเอกสารเป็นเวกเตอร์แยกกัน เพื่อให้สามารถเปรียบเทียบได้อย่างรวดเร็วในวงกว้าง
เกณฑ์มาตรฐาน
การทดสอบหรือชุดข้อมูลที่เป็นมาตรฐานที่ใช้ในการวัดและเปรียบเทียบประสิทธิภาพของโมเดล
การเรียกคืน
การค้นหาเอกสารหรือบันทึกที่เกี่ยวข้องจากแหล่งความรู้เพื่อสอบถาม
ทดสอบตัวเองเอไอคืออะไร? แบบทดสอบ

เกิดอะไรขึ้น

ผู้เขียนนำเสนอไปป์ไลน์ที่ครอบคลุมสำหรับการเรียกค้นโค้ด 1C: เกณฑ์มาตรฐานแบบเปิดของคู่โค้ดคิวรีที่ขัดด้วย PII ในโลกแห่งความเป็นจริง 3,413 คู่ ชุดสายรัดการประเมินที่ทำซ้ำได้ และตัวเข้ารหัสแบบพิเศษ เพื่อเอาชนะข้อมูลที่หายาก พวกเขาปรับแต่งแฝดสังเคราะห์ 784,057 ตัวที่สร้างโดย google/gemma-4-26B-A4B-it จากที่เก็บโค้ดสาธารณะ โดยใช้ Matryoshka Representation Learning (MRL) และโทเค็นที่คำนึงถึงความเป็นส่วนตัว

ผู้เขียนนำเสนอไปป์ไลน์ที่ครอบคลุมสำหรับการดึงรหัส 1C ซึ่งประกอบด้วยเกณฑ์มาตรฐานแบบเปิด ชุดสายรัดการประเมินที่ทำซ้ำได้ และตัวเข้ารหัสแบบพิเศษ

เกณฑ์มาตรฐานแบบเปิดประกอบด้วยคู่รหัสสืบค้น PII ที่ได้รับการขัดเกลาในโลกแห่งความเป็นจริง 3,413 คู่ ซึ่งใช้ในการประเมินประสิทธิภาพของไปป์ไลน์ที่เสนอ

ชุดประเมินผลที่สามารถทำซ้ำได้ช่วยให้แน่ใจว่ากระบวนการประเมินมีความสม่ำเสมอและสามารถทำซ้ำโดยผู้อื่นได้

ตัวเข้ารหัสแบบคู่พิเศษได้รับการออกแบบมาเพื่อดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ซึ่งรวมไวยากรณ์ภาษารัสเซียเข้ากับคำศัพท์เฉพาะโดเมนขั้นสูง

เพื่อเอาชนะข้อมูลที่หายาก ผู้เขียนได้ปรับแต่งแฝดสังเคราะห์ 784,057 ตัวที่สร้างโดย google/gemma-4-26B-A4B-it จากที่เก็บโค้ดสาธารณะ โดยใช้ Matryoshka Representation Learning (MRL) และโทเค็นที่คำนึงถึงความเป็นส่วนตัว

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

การใช้เกณฑ์มาตรฐานแบบเปิดและชุดประเมินผลที่สามารถทำซ้ำได้ทำให้แน่ใจได้ว่ากระบวนการประเมินมีความสอดคล้องกันและผู้อื่นสามารถทำซ้ำได้

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

รายละเอียดที่มา: arxiv.org

ทำไมมันถึงสำคัญ

ไปป์ไลน์ที่นำเสนอกล่าวถึงการขาดชุดข้อมูลแบบเปิดและแบบจำลองเฉพาะสำหรับการดึงรหัส 1C ซึ่งช่วยให้สามารถพัฒนาระบบการดึงข้อมูลที่แม่นยำและมีประสิทธิภาพมากขึ้น การใช้ MRL และโทเค็นที่คำนึงถึงความเป็นส่วนตัวยังรับประกันการปกป้องข้อมูลที่ละเอียดอ่อนอีกด้วย

ไปป์ไลน์ที่นำเสนอกล่าวถึงการขาดชุดข้อมูลแบบเปิดและแบบจำลองเฉพาะสำหรับการดึงรหัส 1C ซึ่งช่วยให้สามารถพัฒนาระบบการดึงข้อมูลที่แม่นยำและมีประสิทธิภาพมากขึ้น

การใช้ MRL และโทเค็นที่คำนึงถึงความเป็นส่วนตัวทำให้มั่นใจได้ถึงการปกป้องข้อมูลที่ละเอียดอ่อน ทำให้ไปป์ไลน์ที่เสนอมีความน่าเชื่อถือและน่าเชื่อถือมากขึ้น

ไปป์ไลน์ที่เสนอมีศักยภาพในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ซึ่งจำเป็นสำหรับแอปพลิเคชันต่างๆ เช่น การพัฒนาซอฟต์แวร์และการบำรุงรักษา

การใช้แฝดสังเคราะห์ที่สร้างจากที่เก็บรหัสสาธารณะช่วยลดความจำเป็นในการติดป้ายกำกับข้อมูล ทำให้ไปป์ไลน์ที่เสนอมีประสิทธิภาพและคุ้มต้นทุนมากขึ้น

ไปป์ไลน์ที่นำเสนอสามารถใช้เป็นจุดเริ่มต้นสำหรับการวิจัยและพัฒนาระบบการดึงรหัส 1C ขั้นสูงเพิ่มเติม

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

การใช้เกณฑ์มาตรฐานแบบเปิดและชุดประเมินผลที่สามารถทำซ้ำได้ทำให้แน่ใจได้ว่ากระบวนการประเมินมีความสอดคล้องกันและผู้อื่นสามารถทำซ้ำได้

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

Interactive Mechanism

กลไกเชิงโต้ตอบ: มันทำงานอย่างไร

สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ

System Requirements:
Best ArchitecturePure RAGRecommended pattern
Hallucination RiskVery LowGrounding efficacy
Update Cost$0 (Vector sync)Ongoing maintenance
Core takeaway: Fine-tuning teaches models how to speak (form, style, syntax); RAG teaches models what to say (verifiable facts). Never use fine-tuning alone for factual memory.
การตรวจสอบแนวคิดแบบโต้ตอบ+10 Points
What is AI? Quiz

Which description best fits "narrow AI", the kind of AI in use today?

จะดูอะไรต่อไป.

แนวทางของผู้เขียนในการปรับแต่ง triplets สังเคราะห์ที่สร้างจากที่เก็บรหัสสาธารณะ และการใช้ MRL และโทเค็นที่คำนึงถึงความเป็นส่วนตัวเป็นประเด็นสำคัญที่ต้องจับตามองในการวิจัยนี้

แนวทางของผู้เขียนในการปรับแต่งแฝดสามสังเคราะห์ที่สร้างจากที่เก็บรหัสสาธารณะเป็นประเด็นสำคัญที่ต้องจับตามองในการวิจัยนี้

การใช้ MRL และโทเค็นที่คำนึงถึงความเป็นส่วนตัวเป็นอีกสิ่งสำคัญที่ควรจับตามอง เนื่องจากช่วยให้มั่นใจได้ถึงการปกป้องข้อมูลที่ละเอียดอ่อน

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพก็คุ้มค่าที่จะดูเช่นกัน เนื่องจากมีศักยภาพในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C

การใช้เกณฑ์มาตรฐานแบบเปิดและชุดประเมินผลที่สามารถทำซ้ำได้ทำให้แน่ใจได้ว่ากระบวนการประเมินมีความสอดคล้องกันและผู้อื่นสามารถทำซ้ำได้

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

การใช้ triplets สังเคราะห์ของผู้เขียนที่สร้างจากที่เก็บรหัสสาธารณะช่วยลดความจำเป็นในการติดป้ายกำกับข้อมูล ทำให้ไปป์ไลน์ที่เสนอมีประสิทธิภาพและคุ้มค่ามากขึ้น

ไปป์ไลน์ที่นำเสนอสามารถใช้เป็นจุดเริ่มต้นสำหรับการวิจัยและพัฒนาระบบการดึงรหัส 1C ขั้นสูงเพิ่มเติม

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

ความสามารถของไปป์ไลน์ที่เสนอในการดึงข้อมูลโค้ดจากระบบนิเวศ 1C:Enterprise ได้อย่างมีประสิทธิภาพ ถือเป็นความก้าวหน้าที่สำคัญในด้านการดึงรหัสภาษาธรรมชาติ

ศักยภาพของไปป์ไลน์ที่เสนอในการปรับปรุงการพัฒนาระบบการดึงรหัส 1C ทำให้เป็นพื้นที่สำคัญของการวิจัยและพัฒนา

คำแนะนำและแบบทดสอบที่เกี่ยวข้อง

เอไอคืออะไร?ChatGPT และ LLMจริยธรรม AIตัวแทนเอไออธิบายโมเดล AIหม้อแปลงไฟฟ้าอนาคตของ AIการฝึกอบรมเอไอPrompt Engineeringทดสอบสิ่งที่คุณรู้ — ลองแบบทดสอบ AI ฟรีค้นหาคำศัพท์ AI ในอภิธานศัพท์ของเรา
พบว่าสิ่งนี้มีประโยชน์หรือไม่?