هوش مصنوعی
Axion 1.0؛ مدل بنیادین عامل‌محور با فرایند آموزش سه‌مرحله‌ای
پژوهشگران در پیش‌چاپی تازه، Axion 1.0 را مدلی کاملاً باز معرفی کرده‌اند که بدون چند روش رایج آموزش، توانایی‌های عامل‌محور را دنبال می‌کند.
در پیش‌چاپی در arXiv، پژوهشگران Axion 1.0 را یک مدل بنیادین عامل‌محورِ کاملاً باز معرفی کرده‌اند. طبق چکیده، آموزش مدل سه مرحله دارد: دو مرحلهٔ سبک تنظیم دقیق نظارت‌شده (SFT) و سپس یادگیری تقویتی؛ در این فرایند از آموزش میانی اختصاصی، بهینه‌سازی مستقیم ترجیح (DPO) و تقطیر برون‌سیاستی (OPD) استفاده نشده است.
مرحلهٔ نخست SFT برای تقویت استدلال مستقل طراحی شده است. پژوهشگران می‌گویند در این مرحله مسئله‌های دشوار را می‌سازند و با اتکا به راهبردهایی که خود مدل پایه برای حل موفق مسئله به کار برده، آن‌ها را خصمانه‌تر می‌کنند. مرحلهٔ دوم قرار است این توانایی‌ها را به استدلال وابسته به ابزار گسترش دهد؛ چکیده از خط لوله‌ای مقیاس‌پذیر برای ساخت داده‌های متنوع نام می‌برد، اما متن منبع ارائه‌شده پیش از شرح کامل این مرحله قطع می‌شود.
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