هوش مصنوعی

نقاط کم‌حاشیه می‌توانند مسیر گفت‌وگوی چندعاملی مدل‌های زبانی را تغییر دهند

پیش‌چاپی در arXiv با بررسی یک کمیتهٔ پنج‌عاملی و رمزگشایی حریصانه نشان می‌دهد پاسخ‌ها در موقعیت‌هایی که فاصلهٔ میان گزینه‌های توکنی کمتر است، در برابر مداخلهٔ داخلی حساس‌ترند.

۱ دقیقه مطالعه

پژوهشگران در یک ممیزی جعبه‌سفید، حساسیت موضعیِ گفت‌وگوی چندعاملیِ قطعی را بررسی کردند. بازپخش دقیق یک متن ثابت به‌تنهایی نشان نمی‌دهد اجرای گفت‌وگو در برابر مداخله‌های کنترل‌شده درون مدل چقدر مقاوم است؛ زیرا پاسخ هر عامل به زمینهٔ عامل‌های بعدی تبدیل می‌شود و تغییر یک توکنِ برگزیده می‌تواند مسیر ادامهٔ گفت‌وگو را عوض کند.

در آزمایش، پژوهشگران جایگاه‌های توکنی با حاشیهٔ کم و زیاد را از پیش انتخاب کردند، بازپخش بی‌تغییر را شرط گذاشتند و سپس جابه‌جایی‌هایی متناسب با نرمِ بردارهای باقیمانده اعمال کردند. معیار، نخستین انحراف متن گفت‌وگو در حداکثر ده توکن تولیدشده بود. نتیجهٔ گزارش‌شده این است که جایگاه‌های کم‌حاشیه بیش از جایگاه‌های پُرحاشیه مستعد تغییر شاخهٔ گفت‌وگو بودند. همچنین، جهت‌های گرادیانیِ همتاشده که حاشیه را کاهش می‌دادند، در چکیدهٔ موجود «به‌طور معنادار» توصیف شده‌اند، اما متن منبع در همین‌جا ناتمام است و جزئیات بیشتری 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