هوش مصنوعی
چارچوب ReState استدلال چندوجهی را از مراحل ثابت به فرایندی پویا تبدیل می‌کند
پژوهشگران در پیش‌چاپی در arXiv، روشی برای یکپارچه‌کردن مراحل استدلال در مدل‌های زبانی چندوجهی پیشنهاد کرده‌اند؛ روشی که به‌گفتهٔ آن‌ها، شکاف میان وضعیت استدلال هنگام آموزش و اجرا را هدف می‌گیرد.
روش‌های یادگیری‌محورِ رایج برای زنجیرهٔ استدلال چندوجهی (MCoT) معمولاً رفتارهای استدلالی متفاوت را به مراحل ازپیش‌تعریف‌شده تقسیم می‌کنند و هر مرحله را جداگانه بهینه می‌سازند. نویسندگان پیش‌چاپ می‌گویند این رویکرد می‌تواند به استدلال پراکنده و شکاف میان وضعیت استدلال در آموزش و زمان اجرا بینجامد.
آن‌ها چارچوب ReState را پیشنهاد می‌کنند که استدلال چندوجهی را نه خط لوله‌ای مرحله‌محور، بلکه فرایندی پویا و حالت‌محور در نظر می‌گیرد. طبق چکیده، این چارچوب دو مؤلفهٔ مکمل دارد: «مدل‌سازی یکپارچهٔ حالت استدلال» (URSM) و «استدلال حلقه‌بسته»؛ چکیدهٔ در دسترس جزئیات بیشتری دربارهٔ مؤلفهٔ دوم ارائه نمی‌کند. این مقاله پیش‌چاپی در arXiv 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