محققان در مقاله جدیدی، فریمورک هوشمندی به نام «AdaStop» معرفی کردهاند که مشکل هزینههای سنگینِ تستِ مدلهای یادگیری عمیق (DNN) را هدف گرفته است. 🧠
در فرآیندهای فعلی، تعیین بودجه مناسب برای برچسبگذاری دادهها همیشه یک چالش بزرگ بوده؛ یا تست کافی انجام نمیشود و خطاها پنهان میمانند، یا هزینه بیهوده صرف میشود. AdaStop با تخمین هوشمندانه نرخ کشف خطا، بهطور خودکار تشخیص میدهد که چه زمانی تست کردن دیگر مقرونبهصرفه نیست.
نتایج آزمایشها نشان میدهد که این روش میتواند با استفاده از تنها ۹ تا ۳۱ درصد از بودجه فعلی، ۶۵ تا ۸۴ درصد خطاها را شناسایی کند! یک پیشرفت بزرگ برای توسعهدهندگان که میخواهند هم مدلهای دقیقتری داشته باشند و هم در هزینهها صرفهجویی کنند. 📉💰
منبع: arXiv AI