آیا تا به حال به این فکر کردید که مدلهای هوش مصنوعی چطور از اطلاعات «آینده» برای پیشبینی استفاده میکنند؟ این نشت اطلاعات (Lookahead Bias) در مدلهای عادی باعث میشود نتایج در حوزههای حساسی مثل اقتصاد یا علوم اجتماعی غیرقابل اعتماد باشند.
محققان در یک پژوهش جدید، راهکاری برای آموزش مدلهایی ارائه دادهاند که فقط به دادههای تا قبل از یک تاریخ مشخص دسترسی دارند. این مدلها که اصطلاحاً Point-in-Time نامیده میشوند، حالا به لطف مقیاسپذیری (Scaling)، به عملکردی نزدیک به مدلهای قدرتمندی مثل LLaMA و Gemma رسیدهاند.
این موفقیت یک قدم بزرگ برای تحقیقاتی است که به دقت زمانی بالا نیاز دارند و کدها و دادههای این پروژه نیز بهصورت منبعباز منتشر شده است. 🚀
منبع: arXiv AI