محققان در مقاله جدیدی به سراغ یکی از چالشهای اصلی آموزش مدلهای هوش مصنوعی یعنی «توازن بین اکتشاف و پایداری» (Exploration-Stability Dilemma) رفتهاند.
این روش که با نام UP (Unbounded Positive Asymmetric Optimization) معرفی شده، به مدلهای زبانی اجازه میدهد بدون محدود شدن توسط مکانیزمهای معمول کلیپینگ (Clipping)، مسیرهای استدلال درست اما با اعتمادبهنفس پایین را بهتر کشف کنند. در واقع، این تکنیک با هوشمندی، پایداری را برای نتایج منفی حفظ کرده و در عین حال به مدل اجازه میدهد برای نتایج مثبت، جستجوی آزادانهتری داشته باشد.
این نوآوری میتواند راهگشای آموزش مدلهای هوش مصنوعی دقیقتر و خلاقتر در آینده باشد! 🧠✨
منبع: arXiv Machine Learning
