یکی از چالشهای بزرگ در استفاده از مدلهای زبانی بزرگ، ناتوانی آنها در تولید خروجیهای ساختاریافته (مثل JSON) با دقت بالاست. حالا محققان چارچوب جدید RL-Struct را معرفی کردهاند که با استفاده از تکنیک بهینهسازی سیاست با گرادیان (GRPO)، این مشکل را حل کرده است!
این ابزار نه تنها حافظه ویدیویی (VRAM) کمتری مصرف میکند، بلکه دقت خروجیهای ساختاریافته را به شکل چشمگیری افزایش میدهد. نکته جالب، مشاهده یک روند یادگیری خودکار در مدل است که ابتدا نحو (Syntax) را یاد میگیرد و سپس به سراغ معنا (Semantics) میرود.
اگر در پروژههای برنامهنویسی یا ایجنتیک خود با مشکل فرمت خروجی مواجه هستید، این دستاورد جدید بسیار کاربردی است.
🔗 میتوانید مدل را در هاب HuggingFace بررسی کنید: https://huggingface.co/Freakz3z/Qwen-JSON
نویسی
منبع: arXiv AI