محققان در یک مقاله جدید، راهکار هوشمندانهای برای بهبود استدلال مالی مدلهای هوش مصنوعی معرفی کردهاند. مشکل اصلی مدلهای فعلی، خطاهای محاسباتی در زمان تحلیل جداول و متون مالی است.
در این روش که «تقطیر برنامهمحور» (Programmatic Distillation) نام دارد، مدلهای بزرگتر (Teacher) به جای توضیحات متنی مبهم، از کدهای پایتونِ دقیق و تأییدشده برای آموزش به مدلهای کوچکتر (Student) استفاده میکنند. نتایج شگفتانگیز است؛ یک مدل کوچک ۷ میلیاردی با این روش توانسته عملکردی بسیار فراتر از مدلهای غولآسای ۷۲ میلیاردی داشته باشد! 🚀
این دستاورد گام بزرگی برای ساخت مدلهای سبک، دقیق و اقتصادی برای کاربردهای حساس بانکی و مالی محسوب میشود. 📈
منبع: arXiv NLP