محققان در پژوهش جدیدی، چالشی مهم را در مدلهای هوش مصنوعی بررسی کردهاند: بسیاری از مدلهای مولد (Generative Models) که دادههای جدولی متوالی تولید میکنند، در حفظ «زمان» ناتوان هستند و ممکن است خروجیهایی غیرمنطقی (مثل زمانهای تکراری یا معکوس) ارائه دهند.
این تیم با معرفی یک پروتکل ارزیابی جدید، راهکاری ارائه دادهاند که فراتر از توزیعهای آماری ساده رفته و «وفاداری زمانی» (Temporal Fidelity) دادهها را به دقت بررسی میکند. این رویکرد کمک میکند تا مدلها در کاربردهای حساسی مثل دادههای مالی یا پزشکی، خروجیهای واقعیتر و معتبرتری داشته باشند. 🧠💡
منبع: arXiv Machine Learning
