محققان در یک پژوهش جدید نشان دادهاند که برخلاف تصور رایج، روشهای «تکاملی» (Evolutionary) برای کشف معادلات علمی با LLMها همیشه بهترین گزینه نیستند!
نتایج نشان میدهد که مدلهای زبانی بزرگ، در یک مرحله «انتخاب مجموعهای» (Set-level selection) بسیار هوشمندانهتر از روشهای چند مرحلهای عمل میکنند. روش جدیدی به نام PTB-Search با استفاده از این رویکرد، توانسته نرخ موفقیت کشف معادلات را در بنچمارکهای علمی به شکل چشمگیری افزایش دهد، بدون اینکه نیازی به هزینههای سنگین پردازشی برای تکرارِ مراحل تکاملی باشد.
این تحقیق نشان میدهد گاهی «سادگی در اجرا» میتواند از «پیچیدگی الگوریتمهای تکاملی» پیشی بگیرد! 🧠✨
منبع: arXiv Machine Learning