حتماً شنیدهاید که وقتی یک مدل هوش مصنوعی در کدنویسی شکست میخورد، از آن میخواهیم خودش را اصلاح کند (Self-repair). اما تحقیقات جدید نشان میدهد این روش ممکن است دقیقاً همان چیزی نباشد که فکر میکنیم!
محققان در مطالعه اخیر خود متوجه شدند که وقتی مدل سعی میکند کد شکستخورده قبلی را اصلاح کند، دچار نوعی «لنگر انداختن» (Anchoring) میشود؛ یعنی تمایل شدیدی دارد که همان اشتباهات قبلی را تکرار کند.
نتایج جالب این پژوهش نشان داد:
✅ روش «نمونهگیری کورکورانه» (Blind Resampling) در مدلهای کوچک تا متوسط، نه تنها سریعتر است (۲.۵ تا ۵.۵ برابر مصرف توکن کمتر)، بلکه عملکرد بهتری نسبت به تلاش برای خوداصلاحی دارد.
به عبارت سادهتر: گاهی اوقات بهتر است به جای اصلاحِ تلاش قبلی، مدل را مجبور کنیم از صفر دوباره تلاش کند! این یافتهها مسیر جدیدی را برای بهینهسازی کدنویسهای هوش مصنوعی باز میکند. 🚀
منبع: arXiv AI