تا به حال فکر کردهاید که مدلهای زبانی (LLM) چطور یاد میگیرند که بهتر تصمیم بگیرند؟ محققان در مقاله جدیدی از روش نوآورانه «NeuFS» رونمایی کردهاند که به جای تکیه بر خروجیهای سطحی، مستقیماً به سراغ «دینامیک درونی نورونها» میرود.
🔍 چرا این خبر مهم است؟
در روشهای معمول (Few-Shot Learning)، انتخاب نمونههای آموزشی برای مدل اغلب بر اساس معیارهای بیرونی و ساده انجام میشد. اما متد NeuFS با تحلیل الگوی فعالسازی نورونها:
۱. نمونههای آموزشی متنوعتری را انتخاب میکند.
۲. روی چالشبرانگیزترین بخشهایی که مدل معمولاً در آنها دچار «توهم» (Hallucination) میشود، تمرکز میکند.
این یعنی مدلهای زبانی میتوانند با دادههای کمتر، هوشمندتر عمل کنند و دقت بسیار بالاتری در استدلال و دستهبندی متن داشته باشند. گام مهمی در جهت آموزش بهینهتر و دقیقتر AI! 🧠💡
منبع: arXiv AI
