هوش مصنوعی
Unsatz توانایی مدل‌های زبانی در ساختن مدل علمی را می‌سنجد
این بنچمارک به‌جای ارائهٔ متغیرها و ساختار معادله، از عامل هوش مصنوعی می‌خواهد خودِ ansatz را طراحی کند؛ پیش‌چاپ arXiv جزئیات بیشتری از نتایج ارائه نمی‌دهد.
در بسیاری از بنچمارک‌های کشف خودکار معادله، بخشی از صورت‌بندی مسئله از پیش مشخص است: متغیرها، مجموعهٔ عبارت‌های مجاز یا قانونی که باید اصلاح شود. پژوهشگران در پیش‌چاپی با عنوان «Unsatz: Evaluating Scientific Discovery Without a Given Ansatz» بنچمارکی معرفی کرده‌اند که این پیش‌فرض را کنار می‌گذارد و از عامل مبتنی بر مدل زبانی بزرگ (LLM) می‌خواهد خودش تعیین کند مدل چه کمیت‌هایی دارد، کدام‌یک پنهان‌اند، چگونه با هم تعامل می‌کنند و چطور اندازه‌گیری می‌شوند. در فیزیک، چنین صورت اولیه‌ای از مدل را ansatz می‌نامند.
وظایف Unsatz سامانه‌هایی شبیه‌سازی‌شده‌اند که با بذرهای خصوصی و در قالب برنامه‌هایی در یک زبان مدل‌سازی کوچک ساخته می‌شوند. طبق چکیده، این سامانه‌ها می‌توانند معادلات دیفرانسیل معمولی، تأخیری یا با مشتقات جزئی، نگاشت‌های گسسته، مدل‌های ایستا و علّی یا فرایندهای تصادفی باشند. برخی نیز حالت‌های پنهان، حسگرهای دچار اعوجاج یا کانال‌های اندازه‌گیریِ فاقد اطلاعات دارند. متن در دسترس دربارهٔ عملکرد عامل‌ها یا نتایج ارزیابی جزئیاتی نمی‌دهد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده