هوش مصنوعی
Skill++ به مسئلهٔ تداخل مهارت‌ها در عامل‌های هوش مصنوعی می‌پردازد
پیش‌چاپی در arXiv مسئله‌ای را بررسی می‌کند که با رشد کتابخانهٔ مهارت‌ها، مهارت تازه ممکن است انتخاب مهارت‌های قدیمی را مختل کند.
پژوهشگران در پیش‌چاپ Skill++ مسئلهٔ مسیریابی مهارت‌ها در عامل‌های مبتنی بر مدل زبانی بزرگ را صورت‌بندی کرده‌اند. این عامل‌ها برای گسترش توانایی‌هایشان از مهارت‌هایی با نام، توضیح و بدنه استفاده می‌کنند؛ اما در روش «آشکارسازی تدریجی»، مسیریاب فقط نام و توضیح مهارت‌ها را می‌بیند و بدنهٔ مهارت‌های انتخاب‌شده را بارگذاری می‌کند.
به‌گفتهٔ چکیدهٔ مقاله، با افزودن مهارت‌های تازه به کتابخانه، مهارتی مشابه ممکن است جای مهارت قدیمی را در انتخاب مسیریاب بگیرد؛ در نتیجه، مسیریابی‌ای که پیش‌تر درست بوده مختل می‌شود، حتی اگر مهارت قبلی و خود مسیریاب تغییری نکرده باشند. این تداخل برای مهارت‌های عمومی شدیدتر است، چون توضیحاتشان ممکن است با محتوای بدنه هم‌خوانی نداشته باشد.
نویسندگان این مسئله را نوعی یادگیری پیوسته با کلاس‌های افزایشی می‌دانند: راه‌حل باید امکان انتخاب مهارت‌های پیشین را حفظ کند. متن منبع در میانهٔ توضیح روش پیشنهادی قطع می‌شود؛ بنابراین جزئیات راه‌حل از چکیدهٔ در دسترس روشن 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