هوش مصنوعی
ArchOR مهارت‌های حل مسائل بهینه‌سازی را بر پایهٔ ساختار بازیابی می‌کند
پیش‌چاپی در arXiv دو سازوکار تازه برای بازیابی مهارت‌های قابل‌استفادهٔ مجدد در عامل‌های مبتنی بر مدل‌های زبانی بزرگ معرفی می‌کند؛ جزئیات نتایج در متن منبع ارائه‌شده موجود نیست.
مدل‌های زبانی بزرگ می‌توانند مسئله‌های بهینه‌سازیِ بیان‌شده به زبان طبیعی را به پاسخ‌هایی تبدیل کنند که با حل‌گر بررسی می‌شوند، اما عامل‌های کنونی در برابر بازنویسی روایی مسئله‌ها شکننده‌اند و تجربه‌های قابل‌استفادهٔ مجدد را اغلب در سطح نمونه ذخیره می‌کنند. پیش‌چاپی با معرفی ArchOR، عاملی مبتنی بر الگوهای مسئله، دو سازوکار با تمرکز بر بازیابی به OptSkills می‌افزاید.
سازوکار CARL، یا «یادگیری بازنمایی آگاه از مرکز»، با استفاده از یک باقیماندهٔ کم‌رتبه، ترتیب بازنمایی مهارت‌های ذخیره‌شده را اصلاح می‌کند. سازوکار S³R، یا «بازیابی هدایت‌شده با امضا»، برای مهارت‌ها امضاهای ساختاری با ابعاد باز در نظر می‌گیرد؛ سپس نامزدها را بر اساس هم‌پوشانی جاکاردِ وزن‌دار اولویت‌بندی می‌کند و بازرتبه‌بندی معنایی را به مجموعه‌ای محدود از K گزینه برتر محدود می‌سازد. چکیدهٔ در دسترس به سازوکاری با حفظ خط پایه نیز اشاره می‌کند، اما توضیح آن در متن ارائه‌شده ناتمام 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