آیا تا به حال به این فکر کردهاید که چرا عملکرد مدلهای هوش مصنوعی با وجود آموزشهای قوی، در محیطهای عملیاتی کاهش مییابد؟ محققان در مقالهای جدید، فریمورک «Co-Harness» را معرفی کردهاند که مشکل ناهماهنگی بین «مدل» و «چارچوب کاری» (Harness) را حل میکند.
در روشهای معمولی، مدل تحت یک ساختار ثابت (پرامپتها، ابزارها و حافظه) آموزش میبیند، اما در Co-Harness، مدل و ساختارِ پیرامون آن بهصورت همزمان بهینه میشوند. این سیستم با استفاده از یک منتقدِ هوش مصنوعی (HarnessCritic)، شکستها را تحلیل کرده و محیط را بهبود میدهد. نتیجه؟ ایجنتهایی که حتی در مواجهه با کرشهای سیستمی هم خودشان را بازیابی کرده و بسیار بهینهتر عمل میکنند! 🧠⚙️
منبع: arXiv NLP