هوش مصنوعی
پژوهشگران: عاملهای جستوجو به «کامپایل دانش» برای مدیریت زمینه نیاز دارند
یک پیشچاپ در arXiv میگوید عاملهای مجهز به ابزارهای سادهٔ جستوجو هم در دو آزمون عملکرد بالایی داشتهاند؛ چالش اصلی، جلوگیری از جستوجوهای تکراری و انباشتهشدن متنهای بیاستفاده در پنجرهٔ زمینه است.
در پژوهش «Context as Infrastructure»، نویسندگان فرایند جستوجوی عاملمحور را چرخهای توصیف میکنند که در آن سامانه پرسوجو میسازد، نتایج را میخواند، جستوجو را بازنویسی میکند و دربارهٔ زمان توقف تصمیم میگیرد. بهگزارش آنها، در آزمایشهایشان harness متکی به BM25 و grep و مدل MiniMax M3، بدون استفاده از نمایههای برداری یا نمایههای ازپیشکامپایلشده، به دقت ۸۵ درصد در BrowseComp-Plus و ۹۱ درصد در آزمون چندمرحلهای FRAMES رسید.
نویسندگان میگویند با وجود این دقت، چرخهٔ جستوجوی بیقاعده میتواند پرسوجوها را تکرار کند، اسناد را دوباره بخواند و متنهایی را وارد پنجرهٔ زمینه کند که استفادهای از آنها نمیشود. پیشنهاد مقاله افزودن لایهای به نام «کامپایل دانش» است: خط لولهای قابلتنظیم که در مرحلهٔ ورود داده، با کمک مدلهای زبانی اطلاعاتی را به اسناد اضافه کند که در هیچ قطعهٔ منفردی وجود ندارد. نمونههای مطرحشده شامل سلسلهمراتب ناوبری با ادعاها و شواهد، گراف موجودیتها، خط زمانی، نقشهٔ ذهنی، هستیشناسی، ویکی و حافظه است. چکیدهٔ در دسترس توضیح بیشتری دربارهٔ این رویکرد ارائه نمیکند.
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