مدلهای هوش مصنوعی در محیطهای پیوسته معمولاً با مشکل «نفرین افق» (Curse of the Horizon) مواجه هستند که باعث میشود محاسبات در جستجوهای طولانی بهشدت پیچیده شود. اما حالا محققان با معرفی الگوریتم جدیدی به نام «Graph Sparse Sampling» (GSS) راهکار جذابی ارائه دادهاند.
این روش به جای استفاده از ساختارهای درختی که با عمق زیاد بهصورت نمایی سنگین میشوند، از یک گراف بدون شاخه استفاده میکند تا آیندههای محتمل را به اشتراک بگذارد. نتیجه؟ بهرهوری بسیار بالاتر در پردازشهای سنگین روی GPU و رسیدن به عملکرد بهینه در کنترلهای پیوسته که قبلاً برای مدلها چالشبرانگیز بود. این نوآوری گام مهمی برای سیستمهای خودمختار آینده است! 🤖✨
منبع: arXiv AI