هوش مصنوعی
پژوهش: شناسه‌های معنایی ممکن است مانع توصیهٔ سازندگان تازه باشند
پیش‌چاپی در arXiv می‌گوید در یک روش توصیه‌گر مولد، محدودیت اصلی نه مدل زبانی، بلکه شیوهٔ تبدیل سازندگان محتوا به شناسه‌های معنایی است.
پیشنهاد سازندگانی که کاربر هنوز دنبال نمی‌کند، مسئله‌ای دشوار است: سامانه باید با تکیه بر سابقهٔ کوتاه تعامل کاربر، از میان صدها هزار سازنده گزینه‌های بعدی را پیش‌بینی کند. روش رایج، هر سازنده را با کوانتیزه‌کردن یک بردار تعبیهٔ ثابت به یک «شناسهٔ معنایی» (SID) تبدیل می‌کند و سپس مدل زبانی را برای تولید این شناسه‌ها آموزش می‌دهد.
نویسندگان پیش‌چاپ arXiv با عنوان «فراتر از شناسه‌های معنایی: توکن‌های اتمی سازنده برای توصیهٔ مولد در مقیاس بزرگ» استدلال می‌کنند که گلوگاه این روش لایهٔ SID است، نه مدل زبانی. به گفتهٔ آن‌ها، نگاشت چندبه‌یک از سازندگان به شناسه‌ها باعث برخورد شناسه‌ها می‌شود؛ در این وضعیت، انتخاب نهایی با اولویت‌دادن به محبوبیت انجام می‌شود و این کار هم سقفی برای بازیابی سازندگان در سطح فردی می‌گذارد و هم به نفع سازندگان ازپیش‌محبوب است. همچنین، ثابت‌بودن کوانتیزر مانع از آن می‌شود که گرادیان آموزش به بازنمایی سازندگان برسد.
چکیدهٔ در دسترس در منبع پیش از شرح کامل روش پیشنهادی و نتایج احتمالی مقاله قطع می‌شود؛ بنابراین جزئیات توکن‌های اتمی و ارزیابی آن‌ها در این گزارش قابل بیان نیست.
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