هوش مصنوعی
پژوهشگران چارچوب Skillware را برای اجرای قطعی تواناییهای عاملهای هوش مصنوعی معرفی کردند
در ارزیابی ۲۳ مدل و ۳۶۸ وضعیت بنچمارک، نویسندگان پیشچاپ میگویند مدلهای محلی کوچکِ مجهز به Skillware در گردشکارهای چندمرحلهای از مدلهای پیشرفتهٔ بدون این چارچوب بهتر عمل کردند.

پیشچاپی در arXiv چارچوب متنباز Skillware را معرفی میکند؛ سامانهای که تواناییهای عامل هوش مصنوعی را بهجای دستورهای متنی پراکنده، در بستههای نرمافزاری ماژولار و نسخهبندیشده قرار میدهد. بهگفتهٔ نویسندگان، هدف این است که خواستهٔ عامل از شیوهٔ اجرای آن جدا شود و اجرای وظایف به کد قطعی و آزمودهشده تکیه کند، نه تولید پویای کد و حدسزدن قالب درخواستهای API.
هر بستهٔ Skillware شامل قرارداد ورودی تایپشده با JSON، کد قطعی Python، دستورهای مربوط به وظیفه، دادههای همراه و آزمونهای واحد خودکار است. آداپتورهای درونفرایندی این قابلیتها را به اعلان ابزار بومی مدلهای مختلف تبدیل میکنند؛ از APIهای ابری تا مدلهای محلی با وزنهای باز.
نویسندگان ۲۳ مدل پیشرفته و متنباز را در ۳۶۸ وضعیت بنچمارک ارزیابی کردند. آنها گزارش میدهند مدلهای محلی ۳ تا ۸ میلیاردپارامتریِ مجهز به Skillware در گردشکارهای پیچیدهٔ چندمرحلهای بهطور پیوسته از مدلهای پیشرفتهٔ بدون این چارچوب بهتر عمل کردند. در این ارزیابی، مصرف توکن تا ۸۴٫۸ درصد و هزینهٔ استنتاج تا ۹۷٫۳ درصد کاهش یافت و خطاهای پارامتر از میان رفت.
این نتایج ادعاهای نویسندگان یک پیشچاپاند. آنها همچنین Skillware را الگویی قابل گسترش از سامانههای منطقی دیجیتال امروز به ابزارهای اینترنت اشیا، پهپادها و رباتهای متجسد توصیف میکنند و بر اجرای قابل ممیزی و بلادرنگ تواناییها تأکید دارند.
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