محققان در مقالهای جدید به سراغ حل یکی از چالشهای بزرگ مدلهای مولد، یعنی «پارادوکس احتمالات» (Likelihood Paradox) رفتهاند. این مشکل باعث میشود مدلهای هوش مصنوعی، دادههای خارج از توزیع (OOD) را به اشتباه «عادی» تشخیص دهند.
در این پژوهش، چارچوب جدیدی به نام «Lagrangian sub-flow» معرفی شده که با تحلیل هندسی جریانهای نرمالساز (CNFs)، دقت تشخیص ناهنجاریها را به طرز چشمگیری افزایش میدهد. این دستاورد به ویژه در حوزههایی مثل تشخیص گفتار و شناسایی تلفظهای اشتباه، کاربردهای بسیار عملی و دقیقی دارد. گامی رو به جلو برای هوشمندتر شدن مدلهای یادگیری عمیق! 🚀
منبع: arXiv NLP
