🚀 بهینه‌سازی خودکار معماری شبکه‌های عصبی با کمک مدل‌های زبانی! 🧠

محققان در مطالعه جدید خود به سراغ یک رویکرد جذاب رفته‌اند: استفاده از LLMها برای طراحی و بهینه‌سازی خودکار معماری شبکه‌های عصبی (Closed-Loop Configuration).

این تیم با تست روی مدل‌های مختلف نشان داده‌اند که می‌توان با تولید کد اجرایی و بازخورد گرفتن از دقت مدل، شبکه‌هایی ساخت که هم عملکرد بهتری دارند و هم به طرز چشمگیری بهینه‌تر هستند. برای مثال، آن‌ها موفق شدند مدلی با دقت بالاتر را تنها با حدود ۷ درصدِ تعداد پارامترهای مدل‌های قبلی ایجاد کنند! 📉✨

این پیشرفت نشان می‌دهد که هوش مصنوعی در حال یادگیری نحوه «طراحیِ خودِ هوش مصنوعی» است و این موضوع می‌تواند مسیر آموزش مدل‌های فوق‌سریع و سبک را هموارتر کند.

منبع: arXiv AI