🔍 وقتی مدل‌های بنیادی در پیش‌بینی شرایط بحرانی کم می‌آورند!

آیا مدل‌های زبانی و سری‌های زمانی (TSFM) واقعاً در همه جا بهترین عملکرد را دارند؟ تحقیق جدیدی روی داده‌های آتش‌سوزی‌های جنگلی کالیفرنیا نشان می‌دهد که وقتی صحبت از شرایط «خارج از توزیع» و رویدادهای نادر محیطی (مثل غلظت شدید ذرات PM2.5) می‌شود، مدل‌های کلاسیک مثل BiLSTM همچنان رقبای سرسختی برای مدل‌های هوش مصنوعی پیشرفته هستند.

این مطالعه نشان داد که مدل‌های بنیادی فعلی در پیش‌بینی دقیق اوج‌های خطرناک آلودگی هوا عملکرد ضعیف‌تری نسبت به مدل‌های آموزش‌دیده سنتی دارند و نیاز به تنظیمات دقیق‌تر (Fine-tuning) در این حوزه‌ها به‌شدت احساس می‌شود. دنیای هوش مصنوعی هنوز در مدیریت شرایط بحرانی با چالش‌های بزرگی روبروست! 📉🔥

منبع: arXiv Machine Learning