هوش مصنوعی
آزمون ۱۸۰روزهٔ AutoVend: چهار عامل هوش مصنوعی از خط‌مبنای سادهٔ کنترل موجودی عقب ماندند
پژوهشگران در یک پیش‌چاپ، بنچمارکی برای سنجش توان عامل‌های زبانی در ادارهٔ کسب‌وکارهای فروش خودکار معرفی کرده‌اند؛ نتایج نشان می‌دهد تصمیم‌های بهتر در بعضی شاخص‌ها لزوماً به بازده اقتصادی بیشتر منجر نمی‌شود.
بنچمارک AutoVend عملکرد پنج عامل مبتنی بر مدل‌های زبانی بزرگ را در ادارهٔ ۲۰ دستگاه فروش خودکار، در پنج نوع محل و طی ۱۸۰ روز شبیه‌سازی‌شده می‌سنجد. عامل‌ها از طریق یک رابط وب عملیات را مدیریت می‌کنند، اما پیامد تصمیم‌هایشان به اجرای پرهزینه در دنیای فیزیکی وابسته است.
شبیه‌ساز پژوهش، انبار مشترک، زمان انتظار برای تأمین کالا، هزینهٔ شارژ دستگاه‌ها، انقضای موجودی و هزینه‌های تکرارشوندهٔ عملیات را در نظر می‌گیرد. پژوهشگران عامل‌ها را با یک خط‌مبنای کنترل موجودی مبتنی بر قواعد مقایسه کرده‌اند. چهار عامل از پنج عامل نتوانستند از این خط‌مبنا بهتر عمل کنند؛ همچنین رتبه‌بندی مدل‌ها بر اساس بازده به‌ازای هر دلار هزینهٔ استنتاج، با رتبه‌بندی بر پایهٔ بازده به‌تنهایی یکسان نبود.
تحلیل عملیات نشان داد بهبود در یک شاخص منفرد همیشه به رشد اقتصادی بیشتر نمی‌انجامد، چون هزینه‌های موجودی و اجرا می‌توانند این بهبودها را خنثی کنند. بررسی روند تصمیم‌ها نیز دشواری عامل‌ها را در انتخاب اقدام‌های شدنی، مدیریت تعهدات موجودی و استفاده از بازخورد برای اصلاح مؤثر سیاست‌ها آشکار کرد. 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