دنیای یادگیری ماشین همیشه با چالش توزیعهای احتمالی پیچیده و چندوجهی دستوپنج نرم کرده است. اما محققان در جدیدترین پژوهش خود، متدی به نام GRiLS را معرفی کردهاند که بدون نیاز به محاسبه مشتق (Gradient-free)، کار نمونهبرداری را بسیار دقیقتر و سریعتر انجام میدهد.
این روش که با الهام از هندسه ریمانی طراحی شده، به مدل اجازه میدهد بدون درگیر شدن با محاسبات سنگین گرادیان، به راحتی بین حالات مختلف (Modes) جابهجا شود. این دستاورد برای مدلهای هوش مصنوعی که با دادههای بسیار پیچیده و محیطهای محاسباتی محدود سروکار دارند، یک پیشرفت قابل توجه محسوب میشود. 🤖✨
منبع: arXiv Machine Learning
