🎨 چرا هوش مصنوعی در تولید همزمان چند مفهوم دچار مشکل می‌شود؟

محققان در مقاله‌ای جدید به بررسی یک چالش جدی در مدل‌های Diffusion پرداخته‌اند که آن را «عدم تعادل غلبه و مغلوب» (DvD) می‌نامند. در این پدیده، وقتی از مدل می‌خواهید چندین مفهوم را در یک تصویر ترکیب کند، یکی از کانسپت‌ها بر دیگری غلبه کرده و آن را سرکوب می‌کند. 📉

بر اساس این پژوهش:
🔹 مفهوم‌هایی که از داده‌های آموزشی با تنوع کم یاد گرفته شده‌اند، بیشتر تمایل به «غلبه» دارند.
🔹 این مدل‌ها در مراحل اولیه پردازش تصویر، توجه بیش از حد به یک توکن خاص نشان می‌دهند.
🔹 این کشف جدید، راه را برای آموزش مدل‌های هوش مصنوعی دقیق‌تر و کنترل‌پذیرتر در آینده هموار می‌کند.

به‌زودی ابزار «DominanceBench» برای ارزیابی این مشکل منتشر خواهد شد. 🤖🔍

منبع: arXiv Machine Learning