دانشمندان هوش مصنوعی در پژوهشی جدید به سراغ حل یکی از چالشهای بزرگ مدلهای JEPA رفتهاند. تا پیش از این، وقتی محیطهای پیچیده و غیرقطعی (Stochastic) پیش روی مدلها قرار میگرفت، پیشبینیهای آنها دچار خطا میشد؛ چون مدل سعی میکرد «میانگین» وضعیتهای احتمالی را پیشبینی کند که عملاً خروجی بیمعنایی بود.
حالا با روش جدید MoP-JEPA (ترکیبی از پیشبینهای سختگیرانه)، مدل به جای حدس زدنِ بینابینی، هر مسیر احتمالی را به صورت جداگانه و دقیق مدلسازی میکند. این یعنی قدرت برنامهریزی مدل در محیطهای پیچیده به طرز چشمگیری (تا ۸۵ درصد موفقیت) افزایش یافته است! 🧠✨
این پیشرفت کلیدی، راه را برای ساخت عاملهای هوشمند با قدرت استدلال بهتر در دنیای واقعی باز میکند.
منبع: arXiv AI