📊 کالیبراسیون مدل‌های هوش مصنوعی؛ آیا با افزایش ابعاد مدل، دقیق‌تر می‌شوند؟

محققان در یک مطالعه جدید، نگاهی دقیق به یکی از روش‌های اصلی کالیبراسیون یعنی «Temperature Scaling» انداختند. نتیجه جذاب بود: این روش که بر فرضِ «برچسب‌های قطعی و تک‌مقدار» بنا شده، در دنیای واقعی که برچسب‌ها اغلب بر اساس نظرات انسانی و احتمالات هستند، آن‌طور که باید عمل نمی‌کند.

نکته کلیدی پژوهش این است که با بزرگ‌تر شدن مدل‌ها (به‌ویژه در مدل‌های زبانی)، این شکاف کالیبراسیون بیشتر خود را نشان می‌دهد و عملاً مدل‌های بزرگ‌تر در این زمینه ضعیف‌تر عمل می‌کنند. این یافته اهمیت دقت در انتخاب روش‌های کالیبراسیون برای مدل‌های هوش مصنوعی پیشرفته را دوچندان می‌کند.

منبع: arXiv Machine Learning