یکی از چالشهای بزرگ مدلهای زبانی (LLMs) در پیشبینی رفتارهای بلندمدت، گیر افتادن در سوگیریهای شناختی و ناتوانی در درک الگوهای رفتاری پنهان است.
تیم محققان به تازگی متد جدیدی به نام «PraMem» معرفی کردهاند که به جای حذف دادههای تاریخی، از آنها به عنوان یک منبع ارزشمند برای ساخت «حافظه تجربی» استفاده میکند. این متد با انجام تمرینهای پیشدستانه روی دادههای طولانی، دقت پیشبینی مدل را به شکل چشمگیری افزایش میدهد.
اگر در حوزه توسعه مدلهای پیشبینیکننده یا سیستمهای هوشمند فعالیت میکنید، بررسی این متد و کدهای آن در گیتهاب میتواند ایدههای جذابی به شما بدهد. 🚀
🔗 کد پروژه: https://github.com/icip-cas/PraMem
منبع: arXiv NLP
