محققان در دستاورد جدیدی به نام VIP (Visual Inspection of Policies)، راهکار هوشمندانهای برای آموزش عاملهای هوشمند ابداع کردهاند. در این روش، به جای تکیه بر امتیازات عددی یا متن، یک مدل زبانی چندوجهی (VLM) با تماشای ویدیوهای عملکرد عامل در محیط، یاد میگیرد که چطور چالشها را سختتر و آموزش را هدفمندتر کند.
این مدل با بررسی مستقیم رفتارها در محیطهای پیچیده مثل StarCraft، توانسته از روشهای سنتی پیشی بگیرد و مسیر آموزش را برای رسیدن به توانمندیهای بالاتر هموارتر کند. این یعنی حالا هوش مصنوعی میتواند با “دیدن” یاد بگیرد که چطور بهتر یاد بگیرد! 🧠✨
منبع: arXiv Machine Learning
