محققان با معرفی یک معماری جدید و خلاقانه برای مدل DeepSeek V3.2، موفق شدند بدون نیاز به آموزشهای سنگین و اختصاصی، عملکرد مدل را در بنچمارک سخت و چالشی ARC-AGI به طرز چشمگیری افزایش دهند.
این روش که بر پایه «خط لوله کاوشگر-تعریفکننده» (Explorer-Definer) بنا شده، با جدا کردن فرآیند کشف الگو از سنتز برنامه، توانسته دقت مدل را از ۱۵.۵٪ به حدود ۶۷٪ برساند! نکته جذاب این دستاورد، هزینه بسیار پایین و بهرهوری بالای آن است که نشان میدهد با معماری درست، میتوان مدلهای موجود را بسیار باهوشتر کرد. 🔥
این پیشرفت یک گام بزرگ به سوی استدلال انتزاعی بهتر در ایجنتهای هوشمند است.
منبع: arXiv AI