هوش مصنوعی
پژوهش KEEPER نشان میدهد حافظهٔ متنیِ عاملهای زبانی ممکن است خطاهای قبلی را حفظ کند
این پیشچاپ، چهار هدف آموزشی را برای حافظهٔ بازگشتی مقایسه میکند و گزارش میدهد پیشبینی مرتبط با پاداش در ارزیابی عملکرد عاملها از نظارت ترکیبی بهتر بوده است.
پژوهشگران در پیشچاپ KEEPER مسئلهٔ تداوم خطا در حافظهٔ متنی عاملهای بلندمدت مبتنی بر مدل زبانی را بررسی کردهاند. آنها «سوگیری خودسازگاری» را ماندگاری ادعاهای نادرستی تعریف میکنند که از ابتدا در حافظهٔ ورودی وجود داشتهاند؛ مسئلهای که بهگفتهٔ پژوهشگران، سنجش عملکرد وظیفه بهتنهایی نمیتواند قابلاعتمادبودن حافظه را نشان دهد.
این مطالعه چهار هدف کمکی را در یک چارچوب بازگشتی مشترک، بر پایهٔ میزان اطلاعاتی که هدفها در بر میگیرند و حساسیتشان به بهروزرسانی، مقایسه میکند. طبق چکیدهٔ مقاله، در میان وضعیتهای ارزیابیشده، پیشبینی مرتبط با پاداش پیش و پس از یادگیری تقویتی آفلاین بهترین عملکرد وظیفهای را داشته و از نظارت ترکیبی بهتر عمل کرده است. تحلیل ادعاها در مسیر یکی از خطپایهها نیز ماندگاری خطا را با وجود مشاهدهٔ اصلاحهای بعدی مستند میکند.
این مقاله بهصورت پیشچاپ در arXiv منتشر شده است؛ چکیدهٔ در دسترس جزئیات بیشتری دربارهٔ روش و اندازهٔ تفاوت عملکرد ارائه نمیکند.
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