تا به حال فکر کردهاید که چرا مدلهای زبانی در حل مسائل طولانی دچار فراموشی میشوند؟ محققان در مقالهای جدید به سراغ مفهوم «مدلهای بازگشتی» (Recursive Models) رفتهاند تا این دیوار بزرگ را بشکنند.
در این رویکرد، مدل به جای گیر افتادن در محدودیتهای حافظه معمولی، یاد میگیرد که خودش را بهصورت بازگشتی فراخوانی کند. این یعنی برای حل مسائل پیچیده، مدل به جای پردازش یکجای همه چیز، مسئله را به زیرمسئلههای کوچکتر تقسیم کرده و با حافظه بسیار کمتری به نتیجه میرسد. این تکنیک در شطرنج و حل مسائل منطقی (SAT) نتایج شگفتانگیزی داشته است! 🚀
این تغییر رویکرد میتواند آینده هوش مصنوعی را به سمت استدلالهای طولانیمدت و عمیقتر سوق دهد. نظر شما چیست؟ آیا این مسیر باعث هوشمندتر شدن ایجنتهای ما میشود؟
منبع: arXiv Machine Learning
