محققان در پژوهشی جدید روشی نوآورانه به نام MiPO را برای مدلهای طبقهبندی مبتنی بر انتشار (Diffusion Classifiers) معرفی کردهاند. این مدل با هدف رفع یک چالش اساسی طراحی شده است: مدلهای فعلی معمولاً در دادههای کمیاب (Minority Regions) دقت پایینی دارند.
ویژگیهای کلیدی MiPO:
✅ بهینهسازی بدون داده اضافه: مدل با استفاده از دادههای متنی و بدون نیاز به مجموعهدادههای عظیم جانبی، خود را ارتقا میدهد.
✅ پوشش بهتر دادهها: با یادگیری پاداشمحور، مدل یاد میگیرد چگونه مناطق کمتراکم (اقلیت) را بهتر تشخیص دهد.
✅ بهرهوری بالا: استفاده از تکنیکهای کارآمدی مثل LoRA باعث میشود این سیستم به شکلی پایدار و سریع بهبود یابد.
این دستاورد گام بزرگی برای عدالت در هوش مصنوعی و افزایش دقت تشخیص مدلها در سناریوهای واقعی است.
منبع: arXiv AI