هوش مصنوعی
صورت‌بندی صریحِ زمان در پرسش، نشت دانش آینده را در مدل‌های زبانی کمتر می‌کند
یک پیش‌چاپ در arXiv می‌گوید دستورهای روشن دربارهٔ نقطهٔ زمانی و قرار دادن محدودیت در ابتدای درخواست، پاسخ‌گویی بر پایهٔ اطلاعاتِ پس از آن زمان را بهتر مهار می‌کند؛ اما صرفِ پرامپت‌نویسی به مدل توانایی پایدارِ استدلالِ پیشینی نمی‌دهد.
مدل‌های زبانی بزرگ، وقتی از آن‌ها خواسته می‌شود از دیدگاه زمانیِ گذشته پاسخ دهند، گاهی از دانشی استفاده می‌کنند که تنها بعدتر در دسترس قرار گرفته است. پژوهشگران این خطا را در قالب «استدلال پیشینی» بررسی کرده‌اند: پاسخ باید فقط بر اطلاعاتی تکیه کند که پیش از یک زمانِ برش قابل‌دانستن بوده‌اند.
بر اساس تحلیل نظام‌مند مداخله‌ها در سطح پرامپت، میزان نشت زمانی به نحوهٔ بیان زمان برش و جایگاه دستور در درخواست حساس است. تصریح مستقیم زمان برش بهتر از اشارهٔ ضمنی به یک بازهٔ تاریخی عمل می‌کند و محدودیت‌هایی که ابتدای پرامپت می‌آیند، در مقایسه با محدودیت‌های انتهای آن، نشت را مؤثرتر کاهش می‌دهند.
نویسندگان می‌گویند پرامپت می‌تواند مدل را به چارچوب زمانی مشخصی هدایت کند، اما چکیدهٔ منتشرشده تأکید می‌کند که این کار به‌تنهایی توانایی استدلال پیشینی را در مدل ایجاد نمی‌کند. این مقاله به‌صورت پیش‌چاپ در arXiv منتشر شده 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