هوش مصنوعی

چارچوب KDASO مهارت‌های هوش مصنوعی را برای داوری مسئولیت به‌روز و گزینش می‌کند

پیش‌چاپی در arXiv روشی برای به‌روزرسانی کتابخانهٔ مهارت‌های مدل‌های زبانی و انتخاب مهارت‌های متناسب با محدودیت زمینه معرفی می‌کند؛ نویسندگان از بهبود ۸٫۹۶درصدی در انتقال مهارت به سناریوهای مشابه خبر می‌دهند.

۱ دقیقه مطالعه
Figure 1 : The impact of different logical description quality of skills on model performance. We select plain text, knowledge base-derived, and following experts to represent skill description quality levels.
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

داوری مسئولیت، از جمله تعیین مسئولیت در پرونده‌های حقوقی، مستلزم سنجیدن شرح رویدادها با مهارت‌های تخصصی است. پژوهشگران در پیش‌چاپی با معرفی چارچوب KDASO می‌گویند این روش سه مشکل رویکردهای موجود را هدف می‌گیرد: قدیمی‌شدن مهارت‌ها با تغییر شرایط واقعی، فاصله میان توضیح مهارت و اجرای منطق موردنظر متخصصان، و جا نگرفتن مجموعه‌های بزرگ مهارت در محدودیت زمینهٔ مدل.

KDASO کتابخانهٔ مهارت‌ها را با داده‌های تازهٔ داوری به‌روز می‌کند، شرح مهارت‌ها را با تحلیل مسیرهای اجرای مدل اصلاح می‌کند و مهارت‌های لازم را با توجه به بودجهٔ زمینه انتخاب می‌کند. آزمایش‌ها در داوری سفرهای اشتراکی، تعیین مسئولیت حقوقی و ارزیابی استدلال منطقی انجام شده‌اند. نویسندگان می‌گویند این روش از مبناهای عمومی و تخصصی موجود بهتر عمل کرده و هنگام انتقال مهارت به سناریوهای مشابه، بهبودی ۸٫۹۶درصدی داشته است؛ همچنین در بهینه‌سازی مداوم، بهبود عملکرد را حفظ کرده است. این مقاله نسخهٔ پیش‌چاپ 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