تا به حال فکر کردهاید که مدلهای هوش مصنوعی چطور بدون «حفظ کردن» دادهها، یاد میگیرند که تصاویر پیچیده تولید کنند؟ یک مقاله علمی جدید با معرفی مدلهای «BIRD» (مدلهای انتشار محدودشده با اطلاعات بیزی)، پرده از این راز برداشته است.
محققان متوجه شدند که یک مرز تئوریک دقیق بین «حفظ کردن» (Memorization) و «تعمیم دادن» (Generalization) در مدلهای انتشار وجود دارد. طبق این پژوهش، وقتی اطلاعات دریافتی مدل از دادههای آموزشی از حد خاصی فراتر میرود، مدل به جای یادگیری، شروع به حفظ کردن دادهها میکند. این کشف بزرگ نه تنها درک ما را از معماریهایی مثل UNetها و DiTها افزایش میدهد، بلکه به ما کمک میکند مدلهایی بسازیم که در دنیای واقعی هوشمندتر عمل کنند و به جای کپیبرداری، خلاقیت به خرج دهند.
منبع: arXiv:2607.08041
منبع: arXiv Machine Learning
