هوش مصنوعی
به‌کارگیری مدل زبانی برای بهبود زمان‌بندی ماهواره‌های تصویربرداری زمین
پژوهشگران روشی پیشنهاد کرده‌اند که در آن مدل زبانی، با دریافت بازخورد از جست‌وجوی مورچگان، قواعد انتخاب مأموریت را اصلاح می‌کند.
پیش‌چاپی در arXiv روشی برای زمان‌بندی ماهواره‌های چابکِ رصد زمین معرفی می‌کند که از مدل زبانی بزرگ (LLM) برای تنظیم قواعد جست‌وجوی ابتکاری کمک می‌گیرد. این ماهواره‌ها باید مأموریت‌های تصویربرداری را در پنجره‌های زمانی محدود هماهنگ کنند و هم‌زمان محدودیت‌های مانور تغییر وضعیت و انرژیِ روی ماهواره را در نظر بگیرند؛ رقابت میان فرصت‌های رصد نیز باعث می‌شود عملکرد زمان‌بندی به قواعد انتخاب مأموریت حساس باشد.
در روش پیشنهادی، مدل زبانی ابتدا با توجه به ویژگی‌های مسئله، یک قاعدهٔ ابتکاری اولیه تولید می‌کند. سپس، هنگام اجرای الگوریتم جست‌وجوی کلونی مورچگان، اطلاعات زمان‌بندی و عملکرد جست‌وجو به مدل بازخورد داده می‌شود تا قاعده را اصلاح کند. چکیده می‌گوید تغییرات پیشنهادی با آزمایش‌های جفت‌شده ارزیابی شده‌اند، اما اطلاعات موجود دربارهٔ نتایج این ارزیابی جزئیات بیشتری 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