محققان در مقالهای جدید، چالش ترکیب خروجی چندین مدل زبانی (Ensemble Learning) را بررسی کردهاند. مشکل اینجاست که روشهای فعلی همه مدلها را «یکسان» فرض میکنند، در حالی که مدلها در دقت و قابلیت اطمینان بسیار متفاوتند.
این پژوهش با معرفی یک چارچوب «تخمین اعتماد» بر اساس تئوری تصمیمگیری، به جای ترکیب ساده خروجیها، مدلها را بر اساس میزان عدم قطعیت و کالیبراسیون آنها وزندهی میکند. نتیجه؟ عملکرد بسیار بهتر و مقاومت در برابر مدلهای غیرقابلاطمینان یا آلوده.
این رویکرد گامی مهم برای ساخت سیستمهای هوش مصنوعی قابلاعتمادتر و دقیقتر است.
منبع: arXiv AI