هوش مصنوعی
MetaVul می‌خواهد چارچوب عامل‌های هوش مصنوعی برای کشف آسیب‌پذیری را بهبود دهد
پیش‌چاپی در arXiv چارچوبی خودبهبوددهنده معرفی می‌کند که هدفش سازگارکردن سازوکار پیرامونی مدل‌های زبانی با بازخورد ارزیاب است.
تشخیص آسیب‌پذیری با عامل‌های مبتنی بر مدل‌های زبانی بزرگ فقط به توانایی خود مدل وابسته نیست؛ کدی که نحوهٔ کار و استدلال عامل را چارچوب‌بندی می‌کند نیز بر دقت آن اثر می‌گذارد. پیش‌چاپ MetaVul می‌گوید این چارچوب‌ها معمولاً ثابت و عمدتاً دست‌نویس‌اند و در نتیجه به‌سختی با بازخورد ارزیاب سازگار می‌شوند. همچنین، بهبود یک چارچوب روی یک مجموعه‌داده یا مدل ممکن است به موارد دیگر منتقل نشود.
پژوهشگران MetaVul را به‌عنوان چارچوبی خودبهبوددهنده برای کشف و بهینه‌سازی این سازوکارها معرفی کرده‌اند. چکیدهٔ در دسترس می‌گوید فرایند با یک استدلال ساختاریافتهٔ اولیه آغاز می‌شود، اما جزئیات بیشتر روش و نتایج در اطلاعات ارائه‌شده نیامده است. این مقاله نسخهٔ نخست یک پیش‌چاپ در arXiv است.
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