هوش مصنوعی
مروری بر نقش گراف‌ها در سامانه‌های عامل‌محور مبتنی بر مدل‌های زبانی بزرگ
پیش‌چاپی در arXiv چارچوبی برای تفکیک کارکردهای گراف در استدلال، بازیابی، حافظه، اجرا و هماهنگی عامل‌ها پیشنهاد می‌کند.
یک مقالهٔ مروری در arXiv بررسی می‌کند که گراف‌ها در سامانه‌های مبتنی بر مدل‌های زبانی بزرگ (LLM) چه نقشی دارند؛ از پشتیبانی از استدلال ساختاری و پیوند دادن دانش و شواهد گرفته تا بازیابی، حافظه، سازمان‌دهی وابستگی‌های اجرایی و ارتباط میان چند عامل. نویسندگان می‌گویند برای سنجش سهم گراف‌ها باید مشخص شود هر عملیات گرافی چه کارکردی دارد، کدام مؤلفه آن را انجام می‌دهد و خروجی‌اش چگونه در تصمیم‌های بعدی به کار می‌رود.
این مرور یک طبقه‌بندی در سطح عملیات ارائه می‌کند که نقش گراف‌ها و محل انجام محاسبات را در پنج حوزهٔ استدلال، دانش و شواهد، بازیابی و حافظه، اجرا و هماهنگی از هم جدا می‌کند. همچنین چارچوبی برای ارزیابی پیشنهاد می‌دهد که بنچمارک‌ها، شیوه‌های مقایسه، عیب‌یابی فرایند و هزینه‌های سامانه را در بر می‌گیرد. مقاله میان بهبود معیارهای محلی و بهبود عملکرد در وظایف نهایی تمایز می‌گذارد و شرایط گزارش نتایج را نیز لحاظ می‌کند.
نویسندگان سه چالش باز را برجسته می‌کنند: سازگارکردن میزان محاسبات و زمان توقف، نگه‌داری حافظه و بازیابی آگاه از وابستگی‌ها. این اثر یک پیش‌چاپ مروری است و در متن ارائه‌شده نتیجهٔ تجربی تازه‌ای گزارش نشده 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