یکی از چالشهای بزرگ در دنیای یادگیری ماشین، انتقال دانش مدل از یک حوزه به حوزه دیگر (Domain Adaptation) است که معمولاً با خطاهای ناشی از نویز و حملات متخاصم (Adversarial Attacks) روبرو میشود. محققان به تازگی فریمورک جدیدی به نام SFT+RL معرفی کردهاند که این مشکل را حل میکند!
این روش با ترکیب «تنظیم دقیق نظارتشده» (SFT) و «یادگیری تقویتی» (RL) روی مدل محبوب CLIP، به مدل کمک میکند تا در برابر تغییرات محیطی و حملات مخرب، بسیار مقاومتر و دقیقتر عمل کند. این دستاورد گامی مهم برای کاربردیتر کردن هوش مصنوعی در دنیای واقعی است که شرایط دادهای آن همیشه در حال تغییر است. ✨
منبع: arXiv AI