🚀 بهینه‌سازی بدون نیاز به مدل کمکی؛ معرفی ParetoPilot

⚠️ هشدار به محققان: چرا دقت مدل‌های شناسایی پهپاد گاهی «واقعی» نیست؟

دنیای هوش مصنوعی هر روز به دنبال راهکارهای بهینه‌تر است! در روش‌های سنتی «بهینه‌سازی چندهدفه» (MOO)، ما معمولاً به مدل‌های جانبی یا همان surrogate برای هدایت فرآیند نیاز داشتیم که خودش کلی پیچیدگی و خطا داشت.

حالا با معرفی ParetoPilot، بازی عوض شده است! این متد جدید با استفاده از مدل‌های انتشار (Diffusion Models) و یک موتور هوشمند به نام Infer-Perturb-Guide (IPG)، به مدل اجازه می‌دهد که بدون نیاز به هیچ مدل کمکی، خودش راهش را به سمت بهترین نتایج (Pareto Front) پیدا کند.

نتایج آزمایش‌ها روی ۵۱ وظیفه مختلف نشان می‌دهد که این متد توانسته از ۱۶ روش دیگر پیشی بگیرد و عملکرد بسیار درخشانی داشته باشد.

منبع: arXiv AI