محققان در یک پژوهش جامع بر روی سیستمهای «کشف خودکار» (Autonomous Discovery) مانند OpenEvolve، به نتایج جالبی رسیدند. آنها با بررسی بیش از ۳.۱ میلیون تست بر روی مدلهای زبانی متوجه شدند که هیچ «فرمول جادویی» یا روش جهانی برای این کار وجود ندارد!
نکات کلیدی این مطالعه:
✅ برخلاف تصور، روشهای پیچیده همیشه بهتر نیستند و گاهی از جایگزینهای سادهتر عقب میمانند.
✅ انتخاب روش برای کشف خودکار باید مثل یک «ابرپارامتر» (Hyperparameter) دیده شود که برای هر پروژه خاص شخصیسازی میشود.
✅ سیستمهای جدیدی که پیشنهاد شده، با تخصیص هوشمندانه منابع به مسیرهای موفقتر، عملکرد بسیار بهتری نسبت به روشهای سنتی دارند.
این تحقیق به ما یادآوری میکند که در دنیای هوش مصنوعی، بهجای دنبال کردن یک نسخه واحد برای همه، باید استراتژی را متناسب با مدل و مسئلهمان تنظیم کنیم. 💡
منبع: arXiv AI