یکی از چالشهای بزرگ مدلهای زبانی (LLM)، ضعف در پیشبینی رویدادهای آینده بر اساس دادههای تاریخی است؛ چرا که مدلها معمولاً دچار «نشت زمانی» میشوند و دادههای آینده را با گذشته ترکیب میکنند.
محققان در مقاله جدیدی، متد جدیدی به نام «Time-Truncation Harness» معرفی کردهاند. این ابزار با ایجاد یک مرز زمانی دقیق در هر مرحله، به مدل اجازه میدهد به جای حدس و گمان، با جستجوی منطقی در تاریخچه وقایع، پیشبینیهای دقیقتر و باکیفیتتری ارائه دهد. این دستاورد گام بزرگی برای استفاده از هوش مصنوعی در حوزههای حساس مثل پیشبینی بازارهای مالی یا روندهای اجتماعی است. 📈
منبع: arXiv AI



