محققان تکنیک نوآورانهای به نام «In-span learning» معرفی کردهاند که به مدلهای کاهشمرتبه (Reduced-order models) اجازه میدهد بدون نیاز به دادههای خارجی، با تکیه بر پیشبینیهای خودشان، عملکردشان را بهبود ببخشند. 📈
این روش که نوعی معادل «یادگیری در متن» (In-context learning) برای سیستمهای دینامیکی محسوب میشود، باعث میشود مدلها در حین تحلیل دادهها، پایههای محاسباتی خود را با شرایط واقعی همسو کنند. این دستاورد میتواند در شبیهسازیهای علمی و مدلسازیهای پیچیده فیزیکی، دقت و سرعت را به شدت افزایش دهد. 🧠✨
منبع: arXiv Machine Learning
