محققان در مقاله جدیدی به یک چالش مهم در آموزش مداوم (Continual Learning) مدلهای چندوجهی (MLLM) دست پیدا کردهاند. جالب است بدانید که گاهی مدل در پاسخهای خود همچنان دقیق است، اما «مسیر استدلال» یا شواهدی که برای رسیدن به آن پاسخ استفاده میکند، به مرور تغییر کرده یا تضعیف میشود!
این یعنی مدل درست میگوید، اما نه به دلایل درست!
🔹 راهکار چیست؟
محققان فریمورک جدیدی به نام RCL را معرفی کردهاند که بدون نیاز به ذخیره دادههای قبلی (Replay-free)، مدل را مجبور میکند به همان روشهای قبلی و با تکیه بر شواهد درست (مثل متن، تصویر یا اسناد) به نتیجه برسد.
این دستاورد گامی مهم برای ساخت مدلهای هوشمندِ قابلاعتمادتر و پایدارتر است که حافظه و منطقشان با هم آپدیت میشود. 🚀
منبع: arXiv AI
