مدل Mamba که این روزها به رقیب جدی برای معماری ترنسفورمر تبدیل شده، در جدیدترین تحلیلهای علمی، تواناییهای خیرهکنندهای از خود نشان داده است.
محققان برای اولین بار نشان دادند که مدلهای Mamba نه تنها در «یادگیری درونزمینی» (In-Context Learning) عالی عمل میکنند، بلکه در مدیریت «دادههای پرت» یا همان Outliers نیز بسیار هوشمندتر از ترنسفورمرهای خطی ظاهر میشوند. این یعنی Mamba میتواند در مواجهه با اطلاعات نویزدار، با دقت بیشتری نسبت به مدلهای فعلی عمل کند و نتایج دقیقتری ارائه دهد.
این پیشرفت علمی، دریچهای جدید برای ساخت هوش مصنوعیهای کارآمدتر و مقاومتر در دنیای واقعی باز کرده است.
منبع: arXiv Machine Learning