محققان در مقالهای جدید به سراغ حل یکی از چالشهای بزرگ هوش مصنوعی یعنی «تعمیمپذیری در یادگیری تقویتی با پاداشهای قابل تأیید (RLVR)» رفتهاند.
این دستاورد جدید با معرفی فریمورک Progressive RLVR، امکان استفاده از مدلهای بسیار فشردهتر و کارآمدتر را در حوزههایی مثل حل مسائل ریاضی، برنامهنویسی و استدلال فراهم کرده است.
✅ نکات کلیدی:
• تولید مدلهایی با قابلیت فشردگی ۱۴ هزار برابر بیشتر!
• حفظ ۹۷ درصدی دقت نسبت به روشهای سنتی (LoRA).
• ارائه ضمانتهای ریاضی برای عملکرد بهتر مدل در زمان استنتاج.
این نوآوری مسیر را برای ساخت هوش مصنوعیهای دقیقتر و سبکتر هموارتر میکند. نظر شما چیست؟ آیا آینده مدلهای زبانی در کوچکسازی نهفته است؟
منبع: arXiv Machine Learning