محققان در پژوهشی جدید، فریمورک «RIMS» را معرفی کردهاند که تحولی در عملکرد مدلهای زبانی کوچک در سیستمهای بازیابی اطلاعات (RAG) ایجاد میکند. این روش با استفاده از یک مکانیزمِ «تجمع نرم» (Soft Aggregation) به جای انتخابهای سخت و محدود، اجازه میدهد مدل از تمام شواهد بازیابی شده بهترین بهره را ببرد و در مواجهه با دادههای نویزی، نتایج دقیقتری (F1 و Exact Match بالاتر) ارائه دهد.
نکته جذاب اینجاست که این روش بدون نیاز به مدلهای بزرگِ تجاری، و تنها با استفاده از خودِ مدل کوچک (SLM) بهینهسازی میشود که یک گام مهم برای اجرای هوش مصنوعی قدرتمند روی سختافزارهای محدود است. 🧠💻
منبع: arXiv NLP