مدلهای جریانساز (Flow Matching) که در پیشبینیهای حساس مثل هواشناسی و رباتیک استفاده میشوند، گاهی در شرایط خارج از چارچوب آموزشی دچار «خطاهای خاموش» میشوند؛ یعنی پاسخی که به ظاهر درست است اما در واقعیت کاملاً اشتباه است! ⚠️
محققان با معرفی روش جدیدی به نام «Diverging Flows»، این مشکل را حل کردهاند. این مدل جدید علاوه بر تولید داده، میتواند به صورت همزمان تشخیص دهد که آیا ورودیِ دریافتشده با دادههای آموزشی همخوانی دارد یا خیر. این یعنی افزایش چشمگیر قابلیت اطمینان در حوزههای حساس مثل پزشکی و علمی! ✨
منبع: arXiv Machine Learning