هوش مصنوعی
SIRF تلاش می‌کند سیاست‌های نظارتی پلتفرم‌ها را در وزن‌های مدل زبانی جای دهد
پیش‌چاپی در arXiv مدلی برای کنترل ریسک محتوای صنعتی معرفی می‌کند که با آموزش تکمیلی روی سیاست‌های پلتفرم، به صدور سریع و دقیق حکم متکی است؛ جزئیات نتایج در چکیدهٔ ارائه‌شده کامل نیست.
پژوهشگران در پیش‌چاپی با عنوان SIRF (Spec-Internalized Risk Foundation Model) روشی برای کنترل ریسک محتوا در کاربردهای صنعتی معرفی کرده‌اند. به‌گفتهٔ چکیده، در استقرار واقعی مسئله فقط دقت میانگین نیست؛ میزان ریسکی هم اهمیت دارد که می‌توان با دقت بالا و تأخیر در حد ثانیه به‌طور خودکار مدیریت کرد.
این روش سیاست‌های پیچیدهٔ یک پلتفرم را با ابزارهایی از جمله EntiGraph و MAGA rewriting، و نیز زنجیرهٔ استدلال در سطح حساب (CoT)، بدون برچسب‌گذاری انسانیِ بیشتر می‌سازد و سپس آن‌ها را از راه ادامهٔ پیش‌آموزش (CPT) در وزن‌های مدل وارد می‌کند. هدف، اجرای دقیق سیاست‌ها در استقراری با تأخیر بسیار کم است که خروجی آن فقط حکم نهایی باشد.
چکیده از مقایسه‌ای کنترل‌شده میان Qwen3-8B-SFT و SIRF-8B-SFT خبر می‌دهد: هر دو از تزریق سیاست یکسان و قالب خروجیِ صرفاً حکم استفاده می‌کنند و تفاوتشان در CPT مبتنی بر سیاست است. اما متن منبع در میانهٔ توضیح نتیجهٔ مقایسه قطع می‌شود؛ بنابراین اندازهٔ بهبود یا جزئیات عملکرد در دادهٔ ارائه‌شده مشخص 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