آیا هوش مصنوعی میتواند در شرایط غیرقابل پیشبینی بهتر عمل کند؟ محققان در یک دستاورد تازه، چارچوب «GDRO» را معرفی کردهاند که به مدلهای مولد اجازه میدهد در مواجهه با دادههای متفاوت، تصمیمات بسیار مطمئنتر و بهینهتری بگیرند. 🧠✨
این روش با ترکیب مدلهای نمونهگیر و «واگرایی سینکهورن» (Sinkhorn divergence)، مشکل محدودیت دسترسی به دادههای آموزشی را حل کرده است. نتیجه؟ کاهش ۵۰ تا ۶۰ درصدی خطاها در سناریوهای حساس مانند ناوبری رباتها و مدیریت موجودی! این یک گام بزرگ برای کاربردیتر کردن مدلهای هوش مصنوعی در دنیای واقعی است. 🤖📈
منبع: arXiv AI