محققان در پژوهش جدیدی، رویکرد متفاوتی برای تحلیل دادههای جدولی (Tabular Data) ارائه کردهاند. اغلب مدلهای فعلی برای وظایف پیشبینی بهینه شدهاند، اما در محیطهای واقعی کسبوکار، مثل مدیریت چرخه عمر محصول (PLM)، به چیزی فراتر از اعداد نیاز داریم: «همسویی با ترجیحات انسانی».
این مقاله نشان میدهد که چرا متریکهای استاندارد برای ارزیابی شباهت در دادهها کافی نیستند و راهکار عملی جدیدی برای بهبود نتایج جستجوی شباهت پیشنهاد میدهد تا مدلها درک بهتری از دنیای واقعی داشته باشند.
منبع: arXiv AI