💡 تبدیل شکست‌ها به یادگیری؛ راهکار جدید برای ارتقای مدل‌های عامل (Agent)

یکی از بزرگترین چالش‌های مدل‌های زبانی در انجام کارهای پیچیده، کمبود داده‌های آموزشی باکیفیت است. حالا در پژوهش جدیدی، روشی به نام HSL معرفی شده که به هوش مصنوعی اجازه می‌دهد از مسیرهای ناموفق قبلی خود درس بگیرد.

در این متد، یک مدل کمکی مسیرهای طی شده توسط عامل را بازبینی کرده و اهدافی را که عامل در نهایت به صورت اتفاقی به آن‌ها دست یافته، شناسایی و برچسب‌گذاری می‌کند. با این کار، مدل یاد می‌گیرد چگونه کارهای طولانی‌مدت را با دقت بسیار بیشتری انجام دهد.

نکته هیجان‌انگیز اینجاست که این روش با تنها یک‌چهارم داده‌های معمول، نتایجی بهتر از مدل‌های قبلی ثبت کرده است! این یعنی راهی کارآمدتر و هوشمندتر برای آموزش «عامل‌های خودمختار» پیش رو داریم. 🤖🚀

منبع: arXiv NLP