🔍 کشف نقطه کور در هوش مصنوعی: چرا مدل‌ها در مسائل ریاضی گیر می‌کنند؟

آیا تا به حال فکر کرده‌اید که چرا مدل‌های زبانی در حل مسائل ریاضی دچار خطا می‌شوند؟ آیا واقعاً مسئله برای آن‌ها «سخت» است یا فقط روش نمونه‌برداری ما اشتباه است؟

محققان در مقاله جدیدی نشان داده‌اند که معیارهای فعلی ما برای سنجش توانایی ریاضی مدل‌ها (مانند pass@k)، یک «نقطه کور» بزرگ دارند. آن‌ها متوجه شدند که تعداد قابل توجهی از سوالات که مدل‌ها در حالت عادی قادر به حل آن‌ها نیستند، در صورت تغییر در «دسترسی به جریان پردازش» (Activation Grafting) به سادگی حل می‌شوند! 🧠

این یافته به این معناست که بسیاری از مسائل «حل‌نشدنی» برای هوش مصنوعی، در واقع در پارامترهای مدل وجود دارند اما در جریان استنتاج عادی نادیده گرفته می‌شوند. این کشف جدید می‌تواند مسیر بهبود مدل‌های استدلالی و تقویت هوش مصنوعی در حل مسائل پیچیده ریاضی را تغییر دهد. 🚀

‌های_زبانی

منبع: arXiv AI