🚀 پدیده «Library Drift» در مدل‌های خود-تکامل‌یافته: شناسایی و درمان

🧠 چرا هوش مصنوعی گاهی «خیالات» می‌بیند؟

آیا می‌دانستید مدل‌های هوش مصنوعی که به‌طور خودکار مهارت‌های جدید یاد می‌گیرند، ممکن است دچار افت عملکرد شوند؟ محققان به‌تازگی پدیده‌ای به نام «Library Drift» را کشف کرده‌اند که در آن تجمع بی‌رویه مهارت‌ها باعث کاهش دقت و عملکرد مدل می‌شود.

🔍 نکته کلیدی:
تحقیقات نشان داده مهارت‌های ساخته شده توسط خود هوش مصنوعی اگر مدیریت نشوند، عملاً هیچ تاثیر مثبتی ندارند، اما مهارت‌های مدیریت‌شده می‌توانند عملکرد را تا ۱۶ درصد بهبود دهند!

🛠 راهکار ارائه شده:
این مقاله یک «دفترچه راهنمای حکمرانی» (Governance Recipe) ارائه می‌دهد که با مدیریت چرخه عمر مهارت‌ها (حذف مهارت‌های بی‌فایده و تنظیم هوشمندانه) باعث شده دقت مدل در تست‌های دشوار از ۲۵ درصد به ۵۸ درصد افزایش یابد. این خبر برای توسعه‌دهندگان سیستم‌های Agentic که به دنبال پایداری طولانی‌مدت مدل‌هایشان هستند، یک دستاورد طلایی محسوب می‌شود.

منبع: arXiv AI