هوش مصنوعی
پیش‌چاپ arXiv روشی برای مقیاس‌دهی عامل‌های هوش مصنوعی بدون اجرای موازی پیشنهاد می‌کند
Agentic World Modeling می‌کوشد مسیرهای احتمالی عامل‌ها را بدون اجرای مستقیم در محیط واقعی شبیه‌سازی کند؛ رویکردی برای محیط‌های مشترک و دشوار برای تکثیر.
پیش‌چاپی در arXiv روش «مدل‌سازی جهان عاملی» (Agentic World Modeling یا AWM) را برای مقیاس‌دهی هنگام اجرا (test-time scaling) در عامل‌های مبتنی بر مدل زبانی بزرگ معرفی می‌کند. مقیاس‌دهی رایج با نمونه‌گیری از چند مسیر و انتخاب میان آن‌ها کار می‌کند، اما معمولاً فرض می‌گیرد که مسیرها را می‌توان هم‌زمان اجرا کرد. این فرض در محیط‌هایی مانند فضای کاری سازمانی و سرویس‌های ابریِ مشترک و پایدار مسئله‌ساز است: تکثیر چنین محیط‌هایی ممکن است پرهزینه یا ناممکن باشد و اجرای کنش‌ها نیز می‌تواند پیامدهای برگشت‌ناپذیر یا تداخل میان مسیرها ایجاد کند.
به‌گفتهٔ چکیده، مدل‌های مولد جهان از اجرای مستقیم می‌پرهیزند، اما معمولاً وضعیت محیط را در یک prompt خلاصه می‌کنند؛ کاری که در شرایط مشاهدهٔ ناقص، شبیه‌سازی قابل‌اتکای تغییرات را محدود می‌کند. AWM، طبق بخش موجود از چکیده، پیش‌بینی مشاهدهٔ بعدی را از نو صورت‌بندی می‌کند. متن منبع ارائه‌شده در میانهٔ توضیح روش قطع می‌شود و جزئیات بیشتر یا نتایج ارزیابی را دربر ندارد.
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