مدلهای هوش مصنوعی وقتی به طور مداوم یاد میگیرند، گاهی دچار افت عملکرد یا پدیده «فروپاشی سیاست» (Policy Collapse) میشوند. محققان به تازگی راهکار جدیدی به نام «بازنشانی جزئی کالیبره شده» (CPR) معرفی کردهاند که بدون تخریب یادگیری، به مدل اجازه میدهد پلاستیسیته یا انعطافپذیری خود را حفظ کند.
این متد هوشمند به جای بازنشانی کامل و بیدقت، فقط بخشهایی از شبکه عصبی را که کاراییشان کم شده بازسازی میکند. این یعنی مدل شما همواره تازه نفس باقی میماند و در بنچمارکهای پیچیده مثل SlipperyAnt عملکردی خیرهکننده از خود نشان داده است. یک گام بزرگ دیگر به سمت هوش مصنوعیهای واقعاً سازگار!
منبع: arXiv AI
