هوش مصنوعی
پژوهش: بهبود استدلال احتمالاتی در یک بخش، لزوماً به بخش دیگر منتقل نمی‌شود
چارچوبی تازه، خطای تصمیم‌گیری مدل‌های زبانی را به برآورد باورها و تبدیل آن‌ها به عمل تفکیک می‌کند؛ آموزش هم‌زمان هر دو بخش نیز به هم‌خوانی قالب آموزش و ارزیابی وابسته است.
پژوهشگران در پیش‌چاپی در arXiv چارچوبی تصمیم‌محور برای بررسی استدلال احتمالاتی مدل‌های زبانی بزرگ پیشنهاد کرده‌اند. در این چارچوب، خطای تصمیم‌گیری به دو بخش تقسیم می‌شود: شکل‌دادن باورهای دقیق بر پایهٔ شواهد موجود، و تبدیل این باورها به اقدام‌هایی که با تابع مطلوبیت داده‌شده سازگار باشند.
پژوهش با استفاده از یک بنچمارک مصنوعی دارای پاسخ‌های درستِ معلوم، مدل‌های پیشرفته و مدل‌های متن‌باز را بررسی کرده و مداخلات یادگیری تقویتی را در سه حوزه سنجیده است. نتیجهٔ گزارش‌شده این است که هدف‌گرفتن یکی از دو مؤلفه می‌تواند همان مؤلفه را بهبود دهد، بی‌آنکه بهبود لزوماً به مؤلفهٔ دیگر منتقل شود. همچنین، عملکرد تصمیم‌گیری ممکن است بهتر شود، حتی اگر شکل‌گیری باورها بهبود نیابد.
آموزش هم‌زمان برای بهبود باورها و تصمیم‌گیری در هر دو مؤلفه بهبود ایجاد کرده است؛ اما این نتیجه به هم‌خوانی قالب‌های به‌کاررفته در آموزش و ارزیابی وابسته بوده 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