مدلهای زبانی بزرگ (LLM) هنوز در یادگیری مداوم محدودیتهایی دارند. حالا محققان به سراغ بهبود «حافظه توزیعیافته پراکنده» (SDM) رفتهاند تا این چالش را حل کنند.
در این پژوهش جدید، رویکرد «Rank-Order Encoding» با معماری SDM ترکیب شده تا کارایی و پایداری حافظه در برابر نویز به شکل چشمگیری افزایش یابد. نتایج نشان میدهد که این روش جدید، بهویژه در ترکیب با یادگیری MAX-Hebbian، عملکرد بسیار بهتری نسبت به روشهای استاندارد قبلی دارد و میتواند راه را برای سیستمهای هوش مصنوعی با حافظه اپیزودیک دقیقتر هموار کند.
منبع: arXiv Machine Learning
