آیا تا به حال فکر کردهاید که چرا سیستمهای توصیهگر (مثل نتفلیکس یا یوتیوب) گاهی پیشنهادهای تکراری یا بیربط میدهند؟ محققان در پژوهش جدیدی، راهکار هوشمندانهای برای حل این مشکل ارائه دادهاند.
در این روش، با استفاده از قابلیتهای مدلهای زبانی بزرگ (LLM) برای کلاسترینگ و تولید دادههای «منفیِ سخت» (Hard Negatives)، مدلهای دو-برجی (Two-Tower) آموزش میبینند تا انتخابهای بسیار دقیقتر و متنوعتری داشته باشند. این تکنیک نهتنها محبوبیت بیش از حد برخی محتواها را کنترل میکند، بلکه باعث میشود مدل در حین یادگیری با چالشهای واقعیتری روبرو شود.
این یعنی در آینده، هوش مصنوعی بسیار بهتر از قبل متوجه سلیقه شما خواهد شد و پیشنهادهایی دریافت میکنید که واقعاً غافلگیرتان میکند! ✨
گر
منبع: arXiv AI
