محققان در مقالهای تازه، به بررسی چگونگی سازماندهی پیشبینیکننده در مدلهای «استنتاج فعال» پرداختهاند. این پژوهش نشان میدهد که چگونه معماری شبکه (تقسیمبندی فضای نهان به بخشهای سریع و کند) بر نحوه یادگیری و یکپارچگی اطلاعات تاثیر میگذارد.
نکته کلیدی این تحقیق این است که معیارهای سنتی مانند Φr همیشه به معنای یادگیری بهتر نیستند و باید به ساختار لایههای پنهان (Latents) دقت بیشتری کرد. این یافتهها برای توسعهدهندگان سیستمهای هوشمند که به دنبال درک عمیقتر از تصمیمگیریهای عاملهای خودمختار هستند، بسیار کلیدی است.
منبع: arXiv Machine Learning