مدلهای ترنسفورمر گاهی در مسائل «برنامهریزی» (Planning) عملکرد متناقضی دارند. اما یک پژوهش جدید با معرفی متدولوژی C*-RASP، به دنبال درک این موضوع است که چگونه این مدلها میتوانند صحت یک برنامه را تایید کنند.
محققان توانستهاند شرایطی را شناسایی کنند که در آن ترنسفورمرها به صورت اثباتپذیر یاد میگیرند که برنامههای طولانی را در حوزههای کلاسیکِ هوش مصنوعی، بهدرستی بررسی کنند. این گام بزرگی برای ارتقای قابلیت تعمیمپذیری مدلها در مسائل پیچیده است. 🧠✨
منبع: arXiv AI